Unverified50% confidenceFactExact time
Meta 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%
1
Sources
50%
Confidence
Long-term
Relevance
7/16/2026
First Seen
Sources
Related Claims
UnverifiedMeta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83% similarUnverified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76% similarUnverified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%75% 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67% 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%64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/533739API
curl https://kongchang.com/api/v1/knowledge/claims/533739MCP
get_claim(id=533739)