“文心大模型的训练数据来自哪里？互联网公开数据及争议”

“嘿，朋友们！想知道文心大模型咋这么厉害不？今天就来聊聊它的数据从哪来。”

一、已知来源是公开数据

文心大模型在训练中使用互联网公开数据，符合行业惯例。像文生图能力来自文心跨模态大模型 ERNIE-ViLG，就用了公开数据。

二、谷歌模型引争议

谷歌 Gemini 模型被指用文心一言数据，虽有测试发现其自称百度，但也可能是 “幻觉” 或语料共用，目前尚无定论。

三、行业惯例与变化

大模型用公开数据常见，企业会保证质量安全。文心大模型不同版本训练数据可能变化，以提升性能。
文心大模型主要用互联网公开数据，谷歌模型是否用其数据有争议，未来数据使用会更规范可持续。