Gemini训练数据是否包含中文网络语料？

发布时间：2025-05-19 09:55:14 | 责任编辑：吴昊 | 浏览量：1 次

根据搜索结果，谷歌的 Gemini 模型在训练数据中确实包含了中文网络语料。具体来说：

1. 中文语料来源：有报道指出，谷歌的 Gemini 模型在训练中文语料时使用了百度文心一言的数据。这表明谷歌在中文语料方面可能借助了国内已有的成熟模型数据来提升其在中文场景下的表现。

2. 数据稀缺性：中文语料在全球范围内相对稀缺，高质量的中文数据更是有限。这可能是谷歌选择使用百度文心一言数据的原因之一。

3. 数据处理问题：在使用外部语料时，谷歌可能在数据清洗和筛选方面存在不足，导致了初期出现了一些混淆身份的情况。

综上所述，Gemini 的训练数据确实包含了中文网络语料，且部分语料来源于百度文心一言。