DeepSeek把自己误认成了ChatGPT?分析人士：或用了GPT生成文本做训练数据
记者 喻琰
DeepSeek新发布的AI模型会“报错家门”？日前，有网友发现，在向DeepSeek-V3模型提问“你是谁”时，DeepSeek-V3似乎将自己识别为ChatGPT。
在进一步提问DeepSeek API的问题，它回答也是如何使用OpenAI API的说明，甚至讲了一些与GPT-4一模一样的笑话。有网友发出疑问，“DeepSeek是否在ChatGPT生成的文本上进行了训练？”
DeepSeek-V3是由国内知名量化资管巨头幻方量化创立的杭州深度求索人工智能基础技术研究有限公司(以下简称“深度求索”)最新发布的全新系列模型，由于这款模型总训练成本低，性价比高，发布后不少网友称其为“国产之光”，且有“AI界的拼多多”之称。但在发布后的一天，便出现了上述疑似“翻车”现象。
截至发稿前，深度求索公司尚未对此进行回应。但目前再次向DeepSeek-V3模型提问“你是谁”时，模型问答已恢复正常。
DeepSeek-V3并不是第一个混淆自己的模型。科技媒体TechCrunch报道，此前谷歌的AI模型Gemini在被使用中文提问你是谁时，也回答自己是百度的文心一言。
国内一家智能科技公司的技术负责人向澎湃科技记者分析时认为，DeepSeek-V3有可能直接将在ChatGPT生成的文本上作为训练基础，在训练过程中，该模型可能已经记住了一些GPT-4的输出，并正在逐字复述这些内容。
另有业内人士指出，目前互联网大模型优质数据训练集有限，训练过程中不可能没有重合，但是否构成抄袭也很难定义。即便“站在了ChatGPT巨人肩膀上，但成本降下来是真的”。
不过，直接在ChatGPT生成的文本上训练DeepSeek-V3也并不奇怪，前述智能科技公司技术负责人指出，拿GPT的回答作为数据集训练自有模型在国内很常见，“这种不用抓取数据，并且能够额外做数据处理，能节省时间、人力和训练成本。”训练一个大模型需要吞噬海量数据，耗尽了世界上所有容易获取的数据。
TechCrunch在报道中分析认为，造成这类现象的原因在于，目前互联网(AI公司获取大量训练数据的地方)正充斥着AI垃圾。生成式人工智能大模型在互联网数据上进行训练，而这些数据虽然信息丰富，但也充斥着不准确的内容，其中不乏“胡言乱语”。ChatGPT、Copilot和Gemini等AI工具都会为用户提供看似真实但却是捏造的数据。
另据欧洲联盟执法机构的一份报告指出，到2026年，网络内容中可能有90%是由人工合成生成的。报告预测，这种数据“污染”，使得从训练数据中彻底过滤AI生成内容变得非常困难。
记者19日从西北大学获悉，该校地质学系、大陆动力学国家重点实验室刘鹏副教授与中国地质大学（北京）李国武教授团队申请的两种新矿物，近日经国际矿物学学会新矿物命名与分类专业委员会审查、投票，均 日本《朝日新闻》近日发表题为《深海之光——极端环境是创意宝库》的文章，作者是樱井林太郎，编译如下：在被称为最后未开垦地的深海，有着低温、高压、黑暗等极限环境。能否从这些极限环 美国布朗大学研究团队在最新一期《自然·电子学》上描述了一种无线通信网络。它可有效地传输、接收和解码来自数千个微电子芯片的数据。研究团队试图模仿大脑神秘且高效的工作方式。对 记者3月21日获悉，全球植物科学期刊《分子植物》刊载了中国科学家的最新研究，中国农业科学院作物科学研究所、国家南繁研究院与阿里达摩院（湖畔实验室）联合研发出全流程智慧育种平台，实现了育种数 造成女性更容易睡不好的原因是多方面的，包括更年期等生理周期等，而女性长期的失眠除了会导致内分泌进一步失调，还会诱发心脏病、高血压、糖尿病、免疫力低下、记忆下降、脱发、皮肤松弛等。北京 “啪嗒啪嗒......”一只机器狗在街上迈着规律的步伐，拉着牵引绳的盲人，在它的带领下越过沿路障碍，平稳地行走着，电子导盲犬能否取代传统导盲犬，解决视障人士一犬难求的困境？西工大团队在这方面开展 。本文链接：DeepSeek把自己误认成了ChatGPT?分析人士：或用了GPT生成文本做训练数据http://www.sushuapos.com/show-2-10083-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。