为什么 ChatGPT 总爱在标题里塞色情赌博小广告？

爱范儿作者彭海星分析 ChatGPT 会话标题夹带色情赌博小广告的现象，认为根源可追溯到 2024 年 GPT-4o 起换用的 o200k_base 分词器词表。该词表因中文语料未清洗而收录大量小广告词元，论文数据显示 4 字词元中 68% 是小广告，6 字以上词元 98% 来自广告。作者推断标题由轻量推理模型生成，收尾失败后按概率继续输出，从而把模型训练中未见过的小广告词元带进标题。