Unverified75% confidenceFactTime unknown
主流大语言模型训练语料中，英文数据占据压倒性比例，以Common Crawl等公开数据集为例，英文内容通常占总量的40%-60%，而越南语、中文等语言的占比往往不足5%
1
Sources
75%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
Speak2Prompt：语音转AI提示词开源工具，打破编程语言壁垒
githubminh-quang-pham-le
Related Entities
Related Claims
Unverified主流大语言模型的训练数据中，英文内容通常占据60%-80%的比例84% similarUnverified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81% similarUnverifiedMeta Llama 2的2万亿token训练数据中英语占比约89.7%，欧洲语言合计约8%，其余所有语言共享约2%75% similarUnverifiedCommon Crawl等通用语料库中英语占比通常超过45%，而葡萄牙语不足2%74% similarUnverified英文语料在大多数大语言模型中占比最高，通常超过50%，因此用英文写Prompt在某些复杂任务上可能获得更好的效果74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/31032API
curl https://kongchang.com/api/v1/knowledge/claims/31032MCP
get_claim(id=31032)