好家伙，我直呼好家伙。 号称「赛博白月光」的 GPT-4o，在它的知识体系里，对日本女优「波多野结衣」的熟悉程度，竟然比中文日常问候语「您好」还要高出 2.6 倍。 这可不是我瞎编的。一篇来自清华、蚂蚁和南洋理工的最新研究直接揭了老底：我们天天在用的大语言模型，有一个算一个，都存在不同程度的数据污染。 ▲ 论文：从模型 Token 列表推测大语言模型的中文训练数据污染（ https://arxiv.org/abs/2508.17771） 论文中把这些污染数据定义为 「污染中文词元」（Polluted Chinese…