大多数（非常）低资源语言的网络数据是《圣经》和维基百科。其他的呢？@huggingface 数据团队运行了 Gemma3 27B 三个月，将其翻译成英语，以改善翻译模型，并将来自 500 多个语言社区的文化背景引入英语训练数据。以下是完整的流程