待验证60% 置信事实精确时间
The Pile是由EleutherAI创建的约825GB开源文本数据集，由22个子数据集组成，涵盖学术论文、代码、网页、书籍、维基百科等
2
来源数
60%
置信度
长期有效
时效性
2026/9/6
首次发现
来源
涉及实体
相关事实
待验证知识库检索中，文档分段后每个文本块通过嵌入模型（如text-embedding-ada-002或BGE系列）转换为高维向量存储在向量数据库中61% 相似待验证Gap Map 开源数据包含1,184个 YAML 文件（结构化的产品条目）、采集数据的 notebooks、数据 schema 和辅助脚本60% 相似待验证LlamaIndex支持PDF、Word、数据库、API等上百种数据源的数据连接60% 相似待验证大规模图像-文本数据集（如LAION-5B、Common Crawl衍生数据）主要从互联网公开资源采集，存在英语内容占主导、西方审美标准占比过高等分布不均问题57% 相似待验证该数据仓库包含1,184个 YAML 文件、用于采集数据的 notebooks、数据 schema 及辅助脚本57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/866138API
curl https://kongchang.com/api/v1/knowledge/claims/866138MCP
get_claim(id=866138)