B站AI科普视频里那些数据是真的吗 有点不敢信

昨天晚上刷B站看到个AI科普视频，说到某个模型训练数据用了上亿条公开网页，我当时就觉得不对劲。

视频里提到的那个数字特别大，还说来源是某个公开数据集，但没给具体链接，只放了个模糊的截图。我试着自己去搜了下，没找到完全对应的东西。

我平时做内容也会引用数据，担心以后自己文章里用到这些会不会出问题。到底这种视频里的数字可靠不？还是说大部分都是编的？