待验证50% 置信事实精确时间

大模型的训练语料绝大部分来自网页文本、书籍、代码、论坛讨论等人类公开知识

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

YC掌门Garry Tan：美国开源AI应蒸馏前沿模型

涉及实体

大语言模型concept

相关事实

待验证指令微调（Instruction Tuning）阶段的训练数据包含大量创意写作、商务邮件模板和角色扮演对话样本，使模型掌握各种文体格式76% 相似待验证子曰大模型在预训练和微调阶段大量使用了教材、习题、解题过程等教育语料，使其在教育任务上具备更强的专业性74% 相似待验证大语言模型的能力和行为深度依赖训练数据73% 相似待验证对于小说家工具这样的应用型产品，直接基于大模型API构建可能比自己训练模型更明智70% 相似待验证Common Crawl数据集包含了大量Reddit页面，是多数大模型训练的基础语料之一70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/911091

API

curl https://kongchang.com/api/v1/knowledge/claims/911091

MCP

get_claim(id=911091)