待验证50% 置信事实精确时间
WikiText-103是包含约1亿token的英文维基百科语料，是语言模型基准测试的标准数据集之一
1
来源数
50%
置信度
长期有效
时效性
2026/8/24
首次发现
来源
涉及实体
相关事实
待验证Training data for large language models includes both authoritative sources like Wikipedia and unreliable content like forum spam and deliberate fabrications60% 相似待验证GitHub 用户 jjlalli 整理了 136 个突尼斯方言 NLP 资源条目，覆盖文本语料、语音数据、预训练模型、评测基准和词典五大类别58% 相似待验证标准自回归语言模型的词表通常包含32,000到128,000个token57% 相似已验证大语言模型通过在数千亿乃至数万亿个词元（Token）的文本数据上进行自监督预训练56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/795597API
curl https://kongchang.com/api/v1/knowledge/claims/795597MCP
get_claim(id=795597)