待验证50% 置信事实精确时间

OpenAI在GPT-3的技术报告中披露其训练数据集包含Common Crawl（经过质量过滤）、WebText2、Books1、Books2和英文维基百科

1

来源数

50%

置信度

长期有效

时效性

2026/8/12

首次发现

来源

破折号之殇：当AI污名化人类的写作习惯

相关事实

待验证GPT系列训练语料来源涵盖Common Crawl网络爬虫数据、书籍数据库、维基百科及其他网络内容77% 相似待验证OpenAI为GPT-5.6配备三层防护体系：模型层面训练拒绝违规请求、输出层面实时分类器检查、账号层面基于行为历史的回看机制74% 相似待验证DALL·E 3的核心突破在于OpenAI使用GPT-4为训练图像重新生成了高质量的文本描述73% 相似待验证GPT系列由OpenAI以英文互联网语料为主体训练，采用自回归架构73% 相似已验证GPT-3的训练数据包含了数千亿token的互联网文本72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/737006

API

curl https://kongchang.com/api/v1/knowledge/claims/737006

MCP

get_claim(id=737006)