GPT 6 astra 疑似有较为严重的中文语料库污染（编辑：应该是低级模型的问题。。。。

自动生成对话标题应该不会让astra来吧，都是低级模型生成的

网页chat没有gpt 6，然后这个其实是个老问题了

有的佬 plus可能没有 team是有的

gpt5.5的时代就有了 5.6还有 没想到6还是有

哦哦哦哦 6pro确实有 但是没有正常非pro的

很早就有了这个问题

估计就是5.4mini或者5.5mini这种模型生成的，一直没改

本质上来讲是 GPT 接收到的中文语料库被污染导致的。很多网页里面都会嵌入这种广告，导致这种垃圾 token 占比比较大，参见：

arXiv.org

Speculating LLMs' Chinese Training Data Pollution from Their Tokens

Tokens are basic elements in the datasets for LLM training. It is well-known that many tokens representing Chinese phrases in the vocabulary of GPT (4o/4o-mini/o1/o3/4.5/4.1/o4-mini) are indicating contents like pornography or online gambling. Based...

标题应该没有奢侈到用GPT 6来生成吧，应该用的是小模型

久久爱什么网来的。这么牛b吗

历史遗留问题了

gpt-6 astra凌晨刚推送，不知道还有没有

![{86856BC5-F785-474C-86E8-5FBCEF3344D4}|265x46]

(upload://s3gl1eqiNQyWfrSABjNgKa6both.png)

今天我的也出现了 ^-^

实际上标题是 luna 模型生成的

难道是蒸馏豆包的，哈哈。