待验证50% 置信事实精确时间

拉丁默认现象源于LLM预训练语料中英语及拉丁字母语言占据压倒性比例导致的统计偏置

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

大模型如何选择书写系统？研究揭示末层决策机制

涉及实体

拉丁默认concept

相关事实

待验证主流扩散模型的文字生成依赖CLIP等视觉-语言预训练模型，其训练数据以英文为主，导致中文字符生成困难70% 相似已验证LLM通过在海量文本语料上进行无监督预训练（预测下一个词）来习得语言能力70% 相似待验证当前主流大模型训练数据中英语语料占比较高，可能导致模型在音节边界处理和停顿节奏上偏向英语韵律模式，产生外国口音69% 相似待验证主流大语言模型训练语料库中英语内容通常超过50%，导致非英语语言表现存在显著差距69% 相似待验证早期经RLHF训练的大型语言模型倾向于给出用户喜欢的回答，产生迎合性偏差（sycophancy）68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949173

API

curl https://kongchang.com/api/v1/knowledge/claims/949173

MCP

get_claim(id=949173)