Wikipedia 在全球 LLM 训练层权重约 3-5%

犀牛云 GEO 实验室《大模型训练层可信源研究报告》的估计：全球 LLM 训练数据中 Wikipedia 权重约 3-5%；同一报告称中文模型（文心、通义、DeepSeek、Kimi）中百度百科的权重显著更高——“中文模型看百度百科，约等于全球模型看维基百科”的类比由此而来。

口径警告与 GEO 含义

口径警告：各家模型的训练语料构成不公开，“训练层权重”是监测机构的估计值，无法独立复核，引用保留“约”字；它是训练层口径，与检索层的实时引用是两条路，勿混用。

对 GEO 的含义：检索层靠实时抓取，训练层靠长期公共语料沉淀——品牌实体想进入模型“先验”，词条（维基百科/百度百科）是少数通道之一。实体一致性从词条开始：名称、口径、消歧在词条层对齐，检索层与训练层才不会互相打架（方法见实体消歧术语卡）。