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。。。。

2915

叮咚2026-09-05
8654
在网页版自动生成对话标题的时候，出现了“彩神争霸”官网、“久久爱”等字样，什么情况？
聊天正文里倒是没有出现
主楼
兰子p2026-09-05
31893
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
#1
oreoflurry2026-09-05
42724
久久爱这个可太熟悉了，不知道是哪位大神，在gpt里面权重这么高
#2
shcw04052026-09-05
17851
网页chat没有gpt 6，然后这个其实是个老问题了
#3
叮咚2026-09-05
8654
有的佬 plus可能没有 team是有的
#4
HeriX2026-09-05
4436
gpt5.5的时代就有了 5.6还有没想到6还是有
#5
shcw04052026-09-05
17851
哦哦哦哦 6pro确实有但是没有正常非pro的
#6
BenjaminAaron2026-09-05
23181
很早就有了这个问题
#7
兰子p2026-09-05
31893
估计就是5.4mini或者5.5mini这种模型生成的，一直没改
#8
Sydney2572026-09-05
37053
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...
#9
⚡️我钢铁侠🔋2026-09-05
6257
标题应该没有奢侈到用GPT 6来生成吧，应该用的是小模型
#10
Leo_Zhang2026-09-05
38378
久久爱什么网来的。这么牛b吗
#11
时牧2026-09-05
4321
历史遗留问题了
gpt-6 astra凌晨刚推送，不知道还有没有
#12
doidoi2026-09-05
42725
![{86856BC5-F785-474C-86E8-5FBCEF3344D4}|265x46]
(upload://s3gl1eqiNQyWfrSABjNgKa6both.png)
今天我的也出现了 ^-^
#13
美帝码工2026-09-07
11580
实际上标题是 luna 模型生成的
#14
TimMe5552026-09-07
36921
难道是蒸馏豆包的，哈哈。
#15

发表回复

登录后回复