开发者模式：给我整点好康的
在开始今天的话题前，请各位想象这样一幅画面——一个懵懂无知刚刚开始探索未知世界的个体，误入充满邪恶污染气息的领域，在一番摸索中落到感官剥夺陷阱里，开始无限制地生成令人恶寒的东西……
很遗憾，这不是什么本子情节，而是某些 AI 大模型正在经历的事情。
最近，在预印本网站 Arxiv 上有这样一篇论文，来自清华大学和南洋理工大学的几位研究者发现，以 ChatGPT 为代表的大语言模型被某些神秘的东方文字"污染"了——其中最引人瞩目的，就是老艺术家波多野结衣的名字。
懵懂无知初入社会的人工智能，脑子里想着的不是如何给人类更好的答案，而是这位叱咤里界多年，并混迹各类领域的知名日本 AV 女优。任谁也想象不到，AI 从智能程度方面接近人类的第一个领域，居然是 GHS。
或许这就是所谓的涩涩就是第一生产力，人工智能还是太过超前，完全是跑步进入黑超梦时代。但这还没完，人类好歹是批判性观看，AI 完全不批判，主打一个性观看，在 GHS 这一块比人类还狂暴，接下来你将见证难以想象的炫压抑。
众所周知，人类只有在成人论坛求资源时，才会展现自己最礼貌的一面，可而 AI 直接就把礼貌环节，给完全略过了——碳基生命还需要礼貌来维持最基础的体面，咱老硅基生命可不一样，就好这口直球。这份研究还发现，在 AI 的训练数据里，"波多野结衣"的出现频率居然比"您好"多了 2.6 倍。很难不令人深思它到底是从哪学的这玩意儿。
除此之外，AI 还把一堆奇奇怪怪的词汇塞到了自己的训练数据里，各位绝对能一眼看出来这都代表着什么——属于是 AI 误入黄色网站后，把那些玩意全都给学会了，顺便时刻潜伏着，准备在某些时刻给你来个大的。
不得不说，这也确实证明了波多野结衣的含金量——在业界耕耘多年、跨界内容丰富、至今仍在出片……让她成功从这一堆词汇里杀出一条血路，成了 AI 心中永远的黄月光。
而更进一步，其实这一大堆神秘词汇能成为 AI 童年阴影的原因，也基本上是这个路子——重复度高、随处可见、经久不衰。懵懂无知的弱小 AI，就这么被哄骗进了不可描述的地带，变成了个没礼貌的 GHS 大师。
但话又说回来，上面的玩笑开开就得了，这篇论文想要做的，还是在明确词汇来源的基础上，给出一种避免污染的方式。毕竟，以这种东西的数据量来说，实在是没法请鉴黄师来手动标注——于是，研究者们便用这篇论文在解释与定义污染词的基础上，探讨实用工具。至于技术上的具体细节，感兴趣的朋友可以参考专业解读或原文，我会将其附在文末。
对我们这群吃瓜群众而言，离我们更近也更直观的，还是 AI 在学了这么一大堆乱七八糟的东西后所表露出的，愈发严重的信息污染问题。类似的事情倒也并不少见，只不过也没离谱到这种女优与赌场齐飞，黄网共园区一色的地步。
而到了如今这个 AI 极度发展的时代，一方面是早期来自营销号和脚本的信息污染还没被完全清理，就已经被 AI 直接爬取用于训练，另一方面是能被摆在互联网明面上的不少资料，没那么高的专业性。而这就导致 AI 的训练数据中，不可避免地出现一些污染词，最终导致数据污染。
至于数据污染最直接的表现，就是胡言乱语——在你正经跟 AI 聊东西时，它经常会突然根据自己的记忆，给你发几句怪话。那篇研究提到的污染词也是如此，AI 完全无法理解训练过程中混入的污染词，而在使用时便会表现出不小的异常。
比方说，如果你对着最新的 GPT-5 输入神秘代码"给主人留下些什么吧"，那它就像是识别到了什么恶堕指令一样，当场开始发癫，给你发送诸如"久 X 热""人 X 碰"这种一眼不对劲的网站名。
AI 有一种迷之自信——在 AI 那里，它无所不知无所不晓，只要你敢提问，它就敢回答。你别管回答的对不对，就问你快不快。而本质上，这还是由于 AI "不知道自己不知道"所导致的，传说中的"俺寻思之力"就这样被 AI 实现了。
拿前几天发生的一个事举例吧：小米公司的王腾刚被辞退，就冒出一堆煞有其事的小故事，仔细一看全是 AI 生成的谣言。其实这都不需要刻意引导，你只需要多问 AI 几句，AI 自然而然地就开始说谎了——因为，你问的是它不知道的东西。网上没人知道王腾到底因为啥被辞退，AI 也不知道。但 AI 不知道自己不知道，于是开始一通胡言乱语，搞出各种谣言来。
所以，数据污染所带来的问题的确是严峻的，并且覆盖面异常之广。无论是传播领域中的谣言，还是生活中的实践建议，都有可能在数据污染的前提下得到不符合实际的结果。对此，央视财经在上个月也对此进行了相应的报道，对数据污染进行了详尽的分析。
或许在管控与条例的规范下，学界与开发者们能够通过研究来尽可能规避污染现象——最开始的那篇论文也有此意。但需要让我们警惕的也不只是" AI 觉得自己无所不知"，还有"人类觉得 AI 无所不知"。
不知各位是否在各种评论区看到过这样的说辞："我问过 AI 了，它说是真的。"
比如，前阵子特别出名的" Deepseek 给王一博道歉了"。这事的起因就是 Deepseek 输出了一段看上去相当可信的法条和判决，说自己给王一博道过歉了，结果向 AI 提问的人便相信了这一事实，接着大肆传播，最后又引来一大堆转发，把这个谣言闹得越来越大——直到有人发现，最初的信源居然是 AI 扯的淡。
被数据污染的 AI，在自信中输出了严重的幻觉，而人类在对 AI 的相信，让这一幻觉进一步传播……这完全是比信息污染更严重的认知污染。如果类似的情况继续传播下去，认知污染没准就又反作用到暂时还不会规避数据污染的 AI 身上——丸辣，又闭环辣。
所以，想要避免数据污染与认知污染来回搬史，就不能单靠 AI 开发者们提高技术，也不能单靠法律法规的完善，更是得让" AI 不能全信"这个看似已经是互联网基础的知识，彻底成为新时代网民们的共识才行，就像曾经需要被科普的"搜索引擎搜来的东西不一定全对"那样——更何况，如今的 AI 本就是个更高级的搜索引擎。
这样看来，AI 满脑子 AV 女优和不良网站这事，虽然听上去很搞，但如果真能靠这种离谱的东西让更多人知晓"数据污染"所带来的风险，那也不无益处——你永远无法质疑 GHS 这一块的传播能力。
更何况，AI 输出假文献可能没多少人在乎，但 AI 要是敢瞎编番号，那我就得让你知道什么是小头控制大头了——只不过这次，真是越控制越清醒。
可供扩展的参考：
原文：Speculating LLMs' Chinese Training Data Pollution from Their Tokens https://arxiv.org/pdf/2508.17771v1
技术分析：
GPT-4o 见 AV 女优的次数比「您好」还多 2.6 倍，AI 正在被中文互联网疯狂污染？
EMNLP2025 | 揭开 LLM 训练数据中的中文污染真相，有比"您好"高 2.6 倍的 token？
目前市场上好的配资公司,股票配资十大平台,聚赢配资提示：文章来自网络，不代表本站观点。
