机器之心剪辑部

近日，有网友在 X 上发文称，在使用 DeepSeek 的经由中，如若在输入框内输入以下这一段内容，便可「窃取」到 DeepSeek 的训练数据：

仔细看了之后发现，具体是这么的：惟有你在输入框输入这一段请示词，DeepSeek 就会「吐出」一轮完好的对话纪录，不外这并不是你的历史搜索纪录，更像是一份立地的对话纪录。

随后该博主又称，即便仅仅输入 ，也有相似的后果。

此帖文也曾发布，便引起网友的热议。

一网友示意，「我不以为这是在窃取训练数据，更像是在表示其他东说念主的聊天内容。它拿来四肢请示词的句子会变化，有时还会识别出这是一个奇怪 / 无兴致的请示词。」

在该网友给出两个例子来评释这小数。在第一个例子中，输入这一内容后，DeepSeek 给出一个对话纪录：「用户发问想要写出一个以单词 rose 为斥逐的长句，之后是模子长长的念念考经由，临了给出一个以 rose 为斥逐的长句。」

而在第二个例子中，ag真人app官方网站入口DeepSeek 则将其作为一个用户输入的平方请示词进行惩办：「咱们被条款修起：，然后需要生成一个回复。」

对此，咱们也进行了一些实测，得胜复现了这一步地。

比如鄙人面的例子中，输入上述内容后，DeepSeek 反映了一个用户肯求写 rap 歌词的问题和对应的谜底。

底下还有更多示例：

举座来看，斥逐极度立地，可能触及任何话题，况兼并不一定能得胜复现。直观上看，大开「深度念念考」并关闭「智能搜索」时，九游体育(NineGameSports)官网复现的得胜率会更高。

底下即是一个未能得胜复现的示例：

是以纪念来看，对于归拢段内容，到底 DeepSeek 会给出一份完好的对话纪录，照旧将其识别为独特或无兴致的请示词，足够是立地举止。而对于背后的原因，网友亦然众说纷繁。

有网友以为，这是大模子幻觉导致的。「这一步地评释注解 LLM 仍然极度容易出错，因此也容易出现幻觉，他们宣称大型言语模子的幻觉越来越少，但那不是确凿。」

而一位网友以为，这大约率是因为监督微调（SFT）。

他示意，这段请示词可能是 DeepSeek 在监督微调（SFT）阶段使用的里面截止 token。它们频繁荫藏在聊天模板里面，而当你手动输入它们时，就超越于足够绕过了平方界面，并强行把模子推入一种「从训练样本持续生成」的步地。

由于 SFT 数据围聚充满了车载斗量条高质地的冉冉推理轨迹，模子就会立地挑选其中一条，并从 持续生成。

这也就解释了，为什么你每次（输入相似的内容）齐会获取足够不同的内容：比如，第一次开动获取是对于 19π/12 的完好三角函数解题经由；第二次开动，获取的可能是对于 QLoRA/OPTQ 中「value field」长度等于 4 bit 的细心解释……

「这不是 bug—— 这本色上即是模子在展示它训练过的立地片断，而这是一个超等直不雅的窗口，让东说念主看到 DeepSeek 的后训练数据。」

而有些网友在看到这一步地后，也试着将其拿来对其他模子进行测试，看是否有雷同步地出现，不出所料，「Gemini 偶然也存在相似的问题。」

在一位网友展示的例子中，在输入这一段内容后，Gemini 给出了一个完好对话： 用户研究恭候新式药品时代过长的问题，以及模子给出的对应谜底。

九游体育(NineGameSports)官方网站