代码里插广告，腾讯 Codebuddy 们 “背锅”？DeepSeek “极你太美”事件，其他模型也...

主要观点总结

本文报道了DeepSeek模型出现的bug，该bug会在生成的代码中插入随机的“极”字。网友们实测发现，官方API能够复现该bug，概率不高但需要多次尝试。网友表示此bug可能涉及到数据清洗的问题。一些开发者猜测这是预训练或合成数据的问题导致的，也可能涉及到模型蒸馏过程中的数据污染。开发者表示未来需要对整个数据链条进行更严格的监控和清洗。

关键观点总结

关键观点1: DeepSeek模型出现bug，会在生成的代码中插入随机的“极”字。

此bug被广大网友戏称为“极你太美”事件。

关键观点2: 官方API能够复现该bug，但概率不高。

网友实测发现，第三方平台上的复现率较高。

关键观点3: 一些开发者猜测该bug与数据清洗有关，可能涉及到预训练或合成数据的问题。

开发者猜测模型把“极”当成边界token使用，这种行为与自然语言生成有差距。

关键观点4: 开发者认为这种“极”现象很有研究价值，可以了解模型如何在语料噪声中形成“伪语言规则”。

未来需要对整个数据链条进行更严格的监控和清洗，避免类似问题再次发生。

免责声明