ChatGPT到底学了多少「污言秽语」？清华团队首提大语言模型中文语料污染治理技术
ChatGPT到底学了多少「污言秽语」？清华团队首提大语言模型中文语料污染治理技术如果我们的教科书里包含大量的污言秽语，那么我们能学好语言吗？这种荒唐的问题却出现在最先进 ChatGPT 系列模型的学习过程中。
来自主题: AI技术研报
7444 点击 2025-08-26 12:11
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
如果我们的教科书里包含大量的污言秽语，那么我们能学好语言吗？这种荒唐的问题却出现在最先进 ChatGPT 系列模型的学习过程中。
近年来，大语言模型（LLMs）展现出强大的语言理解与生成能力，推动了文本生成、代码生成、问答、翻译等任务的突破。代表性模型如 GPT、Claude、Gemini、DeepSeek、Qwen 等，已经深刻改变了人机交互方式。
近年来，以GPT-4o、Gemini 2.5 Pro为代表的多模态大模型，在各大基准测试（如MMMU）中捷报频传，纷纷刷榜成功。
刚刚，大神Karpathy发布全新Vibe Coding指南！
AI视频生成，快速进入Agent时代！ 只需一句提示词：生成一个F1赛车的现场解说视频。 AI即可自动完成分镜、画面、配音、字幕，生成结构完整、节奏在线的爆款视频。
一份全新GPT-5系统提示词，在GitHub中悄然泄露，足足有17803 token。内容设计超精细，用户对齐、拟人风格、输出质量等全面覆盖。
近两年，AI的发展进入高速时代，产品层出不穷，更新速度惊人。从ChatGPT到DeepSeek，AI正逐渐渗透到所有人生活的方方面面。人们在享受AI带来的便利的同时，疑惑也层出不穷：AI会不会抢打工人的饭碗？老人和其他不太会使用AI工具的人会不会被社会淘汰？甚至还有终极的担忧——AI会不会发展到人类再也无法掌控的那一天？
疑似GPT-5的系统提示词，在GitHub上被曝光了！我们把这份系统提示词里的关键指令梳理成了一个 「用户可见效果 ↔ 内部要求」对照表，大家可以对比看一下
OpenAI与Retro Biosciences合作，借助定制模型GPT-4b micro成功设计出优化版「山中因子」，大幅提升了成体细胞逆转为多能干细胞的效率。这一成果不仅改进了细胞工程，更展示了AI赋能生命科学研究的全新范式，加速科研进入全新时代。
就在刚刚过去的一天，OpenAI 宣布他们与生物科技初创公司 Retro Bio 合作，研发的新模型 GPT-4b micro，设计出了新型且显著增强的山中因子变体。