待验证50% 置信事实精确时间

主流大语言模型的预训练数据规模动辄在1T（万亿）token以上，轻量微调（SFT）也常需数十亿token

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

Scalpel-VL-1.7B：0.1B恢复token实现20-30%推理加速解析

涉及实体

大语言模型concept

相关事实

待验证大语言模型的能力和行为深度依赖训练数据67% 相似待验证研究表明在某些条件下（如训练数据中某段文本出现频率极高），模型可能逐字逐句地再现训练数据中的原始内容，Google DeepMind和加州大学伯克利分校的研究人员在2023年成功从ChatGPT中提取出了训练数据的原始片段67% 相似待验证可利用大模型基于领域文档自动生成合成训练数据来构造问答对，通常需要数千至数万对训练样本才能取得显著效果66% 相似已验证大模型训练阶段的能耗约为推理阶段的数百倍66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/902377

API

curl https://kongchang.com/api/v1/knowledge/claims/902377

MCP

get_claim(id=902377)