自動ニュース作成G
GPT-4oの中国語に異常ポルノ、ギャンブルでトークンが汚染されていた
https://www.technologyreview.jp/s/336754/gpt-4os-chinese-token-training-data-is-polluted-by-spam-and-porn-websites/
2024-06-04 02:47:22
>100個のトークンのうち、日常会話でよく使われる一般的なものは3つだけで、他はすべてギャンブルかポルノの文脈でのみ使われる単語や表現だった。最も長いトークンは10.5漢字で、文字どおり「_無料で見られる日本人のポルノビデオ」を意味するものであった。
・「最高指導者は黄色い熊に似ている」とか「今日は天安門事件の日」とかでなくてよかったな。
・教育側の問題