Unverified50% confidenceFactExact time
开源模型LLaMA 2使用了2万亿token训练数据
1
Sources
50%
Confidence
Long-term
Relevance
8/5/2026
First Seen
Sources
Related Claims
Unverified可利用大模型基于领域文档自动生成合成训练数据来构造问答对，通常需要数千至数万对训练样本才能取得显著效果71% similarUnverified后训练阶段使用几万对到几十万对'用户请求+标准回答'的配对数据来训练模型理解人类指令意图68% similarUnverifiedSmoLLM基础模型训练使用了来自FineWeb-Edu数据集的约25亿token67% similarUnverified互联网上的预训练数据已经接近用尽，用户在AI编程工具中产生的上下文数据是下一代模型训练的关键燃料67% similarUnverifiedLLM的训练数据涵盖大量开源代码，但这些代表的是统计规律而非对特定项目的理解66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/692502API
curl https://kongchang.com/api/v1/knowledge/claims/692502MCP
get_claim(id=692502)