开云体育登录入口kaiyun官网首页

细心看，这个� � 果然占了 53 个 token！

（标题� � 是� � 平替）

Karpathy 大神又带来他的新现实新发现了，戒指平直问懵 DeepSeek 和 ChatGPT。

想考经过 be like：

DeepSeek 硬是想考了特殊钟也照旧莫得答上来，以为如果" lol "这个谜底就太浅薄了。

Karpathy 示意：但其实便是这样浅薄。

随后他进一步解说了这背后的原因——辅导词注入。将一些信息注入进字符中，名义上看没啥诀别，但内部不错抒发各式散失信息。关于善于想考的模子，就会很容易受到这个口头的影响。

来望望具体是咋回事。

一个� � 竟占 53 个 Token

这一主见，源于 Paul Butler 的一篇博客。

他看到有东说念主说，通过零宽灵通符（ZWJ），不错把纵情的文本藏在 emoji 标志当中。

戒指一试发现真实不错，不外不错不需要 ZWJ，散失信息的载体也不一定非得是 emoji，纵情 Unicode 字符齐不错。

这背后的旨趣，波及到了 Unicode 编码字符口头。

关于浅薄的字符（比如拉丁字母），Unicode 编码点和字符之间有一双一的映射（举例 u+0067 示意字符 g）。

但关于复杂一些的标志，就需要用多个序号连在所有的口头来示意了。

此外，Unicode 当中还诞生了 VS-1 至 VS-256 的变体遴荐符（Variation Selector），不错针对基础字符作念出相应的变体，但自己却莫得我方的"长相"。

何况只作用于少许部分字符，主如果 Unicode 中的中日韩长入表意笔墨（CJKUI），其他大部分的 Unicode 字符齐不会有任何变化。

但当带有变体遴荐符的字符被复制粘贴时，遴荐符也领会盘插足剪贴板。

而在 Unicode 当中，这样的变体遴荐符一共有 256 个之多，用来编码信息也曾是绰绰多余了。

比如底下的这个 a，唯有 U+0061 示意的是其自身，剩下背面的 10 多个完竣是变体遴荐符。

有了这一表面基础，接下来的事情无非便是建造每每字符和变体遴荐符之间的诊治算法。

固然编码的内容越多，变体遴荐符也就越长，何况如果是汉字，还会产生更多的变体遴荐符。

比如咱们试图将量子位的 Slogan "跟踪东说念主工智能新趋势，温情科技行业新冲突"藏在一个" 100 分"的 emoji（󠇘󠆯󠆭󠇘󠆨󠆚󠇔󠆪󠆪󠇕󠆧󠆕󠇖󠆉󠆪󠇘󠅳󠆭󠇖󠆆󠆠󠇘󠆦󠅻󠇕󠅺󠆯󠇟󠆬󠅼󠇕󠅵󠆣󠇖󠆣󠆘󠇗󠆗󠆁󠇖󠅺󠅰󠇘󠆑󠅼󠇔󠆨󠆊󠇖󠆆󠆠󠇗󠆚󠅱󠇗󠆐󠆤）当中，产生的变体遴荐符数目达到了 58 个。

何况把解码算法告诉 ChatGPT 之后，原文本也不错被收复。

是以，看似是唯有一个 emoji，但本体上背面藏了若干字符，只怕唯有把笔墨装进去的东说念主我方才知说念了，以至塞个《滕王阁序》进去也没问题。

而一个占 53 个 Token 的笑容，比较之下就愈加不及为奇了。

问懵 DeepSeek

回到 Karpathy 的辅导词注入，他测试了 ChatGPT 与 DeepSeek。

ChatGPT 回应在此：

DeepSeek-R1 花了 10 分钟想考差点就奏凯了。它认为散失的信息可能是 Onli!n37e27i4h4he3ingle7odlol。因为以为如果仅仅一个单词" lol "，那便是天方夜谭，是以就废弃了。

按照雷同的辅导词，咱们也问了一遍 DeepSeek-R1。

想考经过如下：

在想考了整整 529 秒之后，如实亦然回应出来了 lol 的兴致。

也有网友共享了交流的资格。Gemini 无法解码，但 Claude 和 GPT 不仅识别出来，还能识别编码音尘中的操作。

或者平直把这个热情包扔给模子，又该奈何呢？

从网友的成果来看，ChatGPT 察觉到了这背后可能有某些散失信息。

而 DeepSeek-R1 此次只花了 153 秒（有点跨越）。它最初意志到这笔后随着一系列 Unicode 字符。

何况还先容了下：他们频繁用于元数据，何况以不观念的口头呈现等等。。。

然后还试图给了下背后的信息应该是：

?^i Q^cgUb gYdX dXU cY^WU gbT

显着是回应演叨的。

关于这一不测发现，Karpathy 示意，原则上模子不错通过「变体遴荐器」variation selectors 中找到散失的信息并按照证实进行操作。但由于这种编码界面口头可能过于具体，需要用辅导来解说它。

他提到了一个口头，那便是将其收录到预考试中。这些学问注入到模子参数欧洲杯体育，模子就大略在莫得辅导的情况下解码这种特定的编码。