Text completion的训练数据可以从多个来源获得。以下是一些常见的训练数据来源：

  1. 书籍和文学作品：文学作品和其他书籍可以提供语言的丰富性和多样性，这些内容经常被用来训练文本填充模型。从不同类型的书籍中获取的文本可以帮助模型对多个领域的知识有所了解。

  2. 网络文章和博客：互联网上有大量的文章和博客涵盖了各种主题，这些内容可以作为训练数据，帮助模型学习和理解各种话题的语言和知识。

  3. 新闻报道：新闻报道通常包含了丰富的语言和各种专业知识。将新闻报道作为训练数据可以帮助模型对当前事件和热门话题有所了解，并能够更好地回答相关问题。

  4. 社交媒体数据：社交媒体平台上的发帖、推文和评论经常包含了日常对话和即时事件的信息。将社交媒体数据纳入训练数据中可以帮助模型学习到更加口语化和实时的语言表达方式。

  5. 专业知识文献：从学术期刊、研究论文和专业书籍中获取的内容可以用于训练模型在特定领域的文本填充任务上的表现。这些文献通常包含了严谨的专业术语和领域特定的知识。

  6. 数据集共享平台：还有许多数据集共享平台，例如常用的WikiText、BookCorpus和Gutenberg语料库等，这些平台上的数据可以被用于训练文本填充模型，提供更多的语言和话题覆盖。

  总之，为了提高训练模型的效果，从多个来源收集文本数据是很重要的。这样做可以使模型在不同领域和语境中更加全面和准确地完成文本续写任务。