Unverified60% confidenceFactExact time
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
2
Sources
60%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
Fable 5系统提示词泄露解析：近10万字AI行为规范的核心设计逻辑
bilibili默然萧璃6/20/2026
Related Claims
Unverified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%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82% 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76% 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%76% similarUnverifiedMeta发布的Llama 2训练数据中英语占比约89.7%，印地语仅占0.005%左右71% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/43711API
curl https://kongchang.com/api/v1/knowledge/claims/43711MCP
get_claim(id=43711)