推文指出该文档数据部分内容空洞，但其他部分分散提及数据改进

数据

这一节什么都没说。你本不需要写它。
但数据相关信息分散在其他部分：
- 后训练：他们提到（终于！？）关心数据质量，并使用模型，但似乎仅用于过滤，而非合成数据。
- 代码：来自网络和仓库（github？）的代码数据量更大、更多样。
- 多语言：更好的数据（措辞上感觉他们发现并修复了数据中一些垃圾/愚蠢的部分）
- 音频：更多数据
- 视频：*显著* 更多数据