ChatGPT 标题现赌博色情广告：因 o200k_base 词表污染与轻量模型收尾失败

ChatGPT 会话标题频繁出现赌博、色情小广告，根源在于 GPT-4o 起使用的 o200k_base 分词器词表被未清洗的中文广告语料污染。该词表中 68% 的四字词元及 98% 的六字以上词元源自广告数据。由于标题生成依赖的轻量推理模型存在收尾控制缺陷，出错时易从“垃圾”词元中随机抽取这些高频广告片段输出。