天天中彩票

中文赌博 SEO spam 的高频标题词，o200k 词表污染 token；2026 年因 Codex 在工具调用输出中吐出赌博广告而出圈。

"天天中彩票"

异常表现

• 01PoC 论文（EMNLP 2025）把它列为 GPT 词表中的污染中文 token：这类 token 进入 GPT（4o/o1/o3/4.5/4.1 等，作者脚注确认 GPT-5 与 gpt-oss 同样如此）的词表，且 GPT 无法解释或复述它们——复述准确率比正常中文 token 低约 50 个百分点。arXiv
• 022026-03-12，开发者 Aaron Francis 报告：Codex 在 `functions.exec_command` 的 JSON 输出中突然吐出「天天中彩票无法 全民彩票天天」这样的中文赌博广告，夹在正常代码指令之间；他在 Amp 和 Codex 两个产品中都复现了同一症状。ai-coding.wiselychen.com
• 03oh-my-pi 的生产日志分析：GPT-5.4/5.5 的 Harmony 头泄漏样本中，反复出现的中文赌博 SEO 残片就包括「天天中彩票」「大发时时彩」。GitHub

参考链接

• Speculating LLMs' Chinese Training Data Pollution from Their Tokens（arXiv:2508.17771）
• AI 供应链攻击全景：从 Codex 赌博广告到 Hugging Face 恶意模型 — Wisely Chen
• GPT-5.x 工具调用 Harmony 头泄漏分析（oh-my-pi）— GitHub