待验证60% 置信事实精确时间

The Pile是由EleutherAI创建的约825GB开源文本数据集，由22个子数据集组成，涵盖学术论文、代码、网页、书籍、维基百科等

2

来源数

60%

置信度

长期有效

时效性

2026/9/6

首次发现

来源

Meta高管被曝种子盗版：AI训练数据合法性争议再升级

涉及实体

The Pileconcept EleutherAIcompany

相关事实

待验证Prompteina-Data 是一个文本—蛋白质结构配对数据集，包含 180 万个结构与超过 5000 万条描述文本62% 相似待验证知识库检索中，文档分段后每个文本块通过嵌入模型（如text-embedding-ada-002或BGE系列）转换为高维向量存储在向量数据库中61% 相似待验证LlamaIndex支持PDF、Word、数据库、API等上百种数据源的数据连接60% 相似待验证CommonCrawl项目依赖互联网档案馆的数据进行大规模网页语料库构建59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/866138

API

curl https://kongchang.com/api/v1/knowledge/claims/866138

MCP

get_claim(id=866138)