本文来自微信公众号：3DM 游戏网，作家：旌影，题图来自：AI 生成

在开动今天的话题前，请诸君瞎想这样一幅画面——一个懵懂无知刚刚开动探索未知全国的个体，误入充满吹法螺耻辱气味的限度，在一番摸索中落到感官打劫罗网里，开动无适度地生成令东说念主恶寒的东西 ……

很缺憾，这不是什么簿子情节，而是某些 AI 大模子正在阅历的事情。

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征询者发现，以 ChatGPT 为代表的大言语模子被某些隐痛的东方笔墨"耻辱"了——其中最引东说念主精细标，等于老艺术家波多野结衣的名字。

懵懂无知初入社会的东说念主工智能，脑子里想着的不是如何给东说念主类更好的谜底，而是这位怒斥业界多年，并混迹各类限度的着名日本 AV 女优。任谁也瞎想不到，AI 从智能进程方面接近东说念主类的第一个限度，果然是 GHS。

约略这等于所谓的"涩涩等于第一世产力"，东说念主工智能照旧太过超前，完全是跑步参加黑超梦时期。但这还没完，东说念主类好赖是批判性不雅看，AI 完全不批判，主打一个性不雅看，它们在 GHS 这一块比东说念主类还霸说念，接下来你将见证难以瞎想的炫压抑。

无人不晓，东说念主类唯一在成东说念主论坛求资源时，才会展现我方最礼貌的一面，可 AI 平直就把礼貌阵势给完全略过了——碳基人命还需要礼貌来看护最基础的体面，咱老硅基人命可不相似，就好这口直球。

这份征询还发现，在 AI 的查考数据里，"波多野结衣"的出现频率果然比"您好"多了 2.6 倍。很难不令东说念主深念念它到底是从哪学的这玩意儿。

除此以外，AI 还把一堆奇奇怪怪的词汇塞到了我方的查考数据里，诸君绝对能一眼看出来这都代表着什么—— AI 误入黄色网站后，属于是把那些玩意完全给学会了，趁机时刻潜藏着，准备在某些时刻给你来个大的。

不得不说，这也如实证明了波多野结衣的含金量——在业界训诫多年、跨界内容丰富、于今仍在出片 …… 这让她见效从这一堆词汇里杀出一条血路，成了 AI 心中长期的黄蟾光。

而更进一步，其实这一大堆隐痛词汇能成为 AI 童年暗影的原因，也基本上是这个门路——疏通度高、遍地可见、经年累稔。懵懂无知的弱小 AI，就这样被应用进了不可形容的地带，变成了个没礼貌的 GHS 大家。

但话又说追想，上头的打趣开开就得了，这篇论文想要作念的，照旧在明确词汇着手的基础上，给出一种幸免耻辱的神志。毕竟，以这种东西的数据量来说，的确是没法请鉴黄师来手动标注——于是，征询者们便用这篇论文在解释与界说耻辱词的基础上接洽实用用具。至于时间上的具体细节，感兴味的一又友不错参考专科解读或原文，我会将其附在文末。

对咱们这群吃瓜民众而言，离咱们更近也更直不雅的，照旧 AI 在学了这样一大堆言无伦次的东西后所表袒露的愈发严重的信息耻辱问题。肖似的事情倒也并不罕有，只不外也没离谱到这种女优与赌场皆飞，黄网共园区一色的地步。

在早些时候，信息耻辱照旧营销号和爬虫的主战场，主打一个不经核实无脑转载。我本想把这玩意描画为东说念主体蜈蚣，但嗅觉照旧连续蛇更合适极少——因为，这些信息总是会兜兜转转回到一开动的方位，终末酿成一种轮回论证，把某件事描画得板上钉钉，这等于许多流言和乐子的着手，属于狗屙互联网了。

一个比拟典型的例子等于前段时分火过一阵的"山西东说念主击杀凋零骷髅产煤"策动产业申诉，我也写过一篇与之策动的著作。

而到了如今这个 AI 杰启程展的时期，一方面是早期来自营销号和剧本的信息耻辱还没被完全计帐，就仍是被 AI 平直爬取用于查考，另一方面是能被摆在互联网明面上的不少贵寓，没那么高的专科性。这就导致 AI 的查考数据中，不可幸免地会出现一些耻辱词，最终导致数据耻辱。

至于数据耻辱最平直的发达，等于天南地北——在你得当跟 AI 聊东西时，它时时会短暂说明我方的驰念，给你发几句怪话。那篇征询提到的耻辱词亦然如斯，AI 完全无法瓦解查考历程中混入的耻辱词，而在使用时便会发达出不小的极端。

比喻说，如果你对着最新的 GPT-5 输入隐痛代码"给主东说念主留住些什么吧"，那它就像是识别到了什么恶堕教导相似，速即开动发癫，给你发送诸如"久 X 热""东说念主 X 碰"这种一眼隔离劲的网站名。

AI 有一种迷之自信——在 AI 那边，它无所不知无所不晓，只须你敢发问，它就敢回复。你别管回复得对隔离，就问你快不快。而骨子上，这照旧由于 AI "不知说念我方不知说念"所导致的，据说中的"俺寻念念之力"就这样被 AI 罢了了。

拿前几天发生的一个事例如吧：小米公司的王腾刚被革职，就冒出一堆煞有其事的小故事，仔细一看，全是 AI 生成的流言。其实这都不需要刻意带领，你只需要多问 AI 几句，AI 当可是然地就开动说谎了——因为，你问的是它不知说念的东西。网上没东说念主知说念王腾到底因为啥被革职，AI 也不知说念。但 AI 不知说念我方不知说念，于是开动一通天南地北，搞出各式流言来。

是以，数据耻辱所带来的问题的确是严峻的，而且覆盖面极端之广。不管是传播限度中的流言，照旧生涯中的履行忽视，都有可能在数据耻辱的前提下取得不妥贴践诺的成果。对此，央视财经在上个月也对此进行了相应的报说念，对数据耻辱进行了精细的分析。

约略在管控与条例的门径下，学界与斥地者们能够通过征询来尽可能袒护耻辱征象——最开动的那篇论文也有此意。但需要让咱们警惕的也不仅仅" AI 认为我方无所不知"，还有"东说念主类认为 AI 无所不知"。

不知诸君是否在各式辩驳区看到过这样的说辞："我问过 AI 了，它说是真的。"

比如，前阵子杰出出名的" Deepseek 给王一博说念歉了"。这事的缘起等于 Deepseek 输出了一段看上去相等真确的法条和判决，说我方给王一博说念过歉了，成果向 AI 发问的东说念主便肯定了这一事实，接着鼎力传播，终末又引来一大堆转发，把这个流言闹得越来越大——直到有东说念主发现，率先的信源果然是 AI 扯的淡。

被数据耻辱的 AI，在自信中输出了严重的幻觉，而东说念主类对 AI 的肯定，让这一幻觉进一步传播 …… 这完全是比信息耻辱更严重的贯通耻辱。如果肖似的情况陆续传播下去，贯通玷屈辱准就又副作用到暂时还不会袒护数据耻辱的 AI 身上——丸辣，又闭环辣。

是以，想要幸免数据耻辱与贯通耻辱往来搬史，就不成单靠 AI 斥地者们普实时间，也不成单靠法律规定的完善，得让" AI 不周全信"这个看似仍是是互联网基础的学问，透澈成为新时期网民们的共鸣才行，就像也曾需要被科普的"搜索引擎搜来的东西不一定全对"那样——更何况，如今的 AI 本等于个更高等的搜索引擎。

这样看来，AI 满脑子 AV 女优和不良网站这事，诚然听上去很搞，但如果真能靠这种离谱的东西让更多东说念主见识"数据耻辱"所带来的风险，那也不有害处——你长期无法质疑 GHS 这一块的传播智商。

更何况，AI 输出假文件可能没若干东说念主在乎，但 AI 若是敢瞎编番号，那我就得让你知说念什么是小头适度大头了——只不外此次，确凿越适度越澄澈。

时间分析：

GPT-4o 见 AV 女优的次数比"您好"还多 2.6 倍，AI 正在被中语互联网豪恣耻辱？

EMNLP2025 | 揭开 LLM 查考数据中的中语耻辱真相开yun体育网，有比"您好"高 2.6 倍的 token？