機(jī)器之心編輯部

大模型「不認(rèn)識(shí)馬嘉祺」的原因，被 MiniMax 研究透了。

現(xiàn)在大家日常都在用 AI 大模型，要說(shuō) AI 的 bug，那雖然算不上層出不窮，但每一個(gè)都相當(dāng)奇葩，令人哭笑不得。

比如，DeepSeek V3.1 會(huì)在毫無(wú)預(yù)兆的地方塞一個(gè)「極」字，連英文輸出也逃不過(guò)，「極」變身「extreme」，在代碼里、試卷里、報(bào)告里神出鬼沒，被網(wǎng)友戲稱「極你太美 bug」。

GPT-5 系列迷上了哥布林 —— 不管你在聊相機(jī)還是寫財(cái)務(wù)報(bào)告，它都能不動(dòng)聲色地在比喻里塞進(jìn)一只「哥布林」，OpenAI 工程師不得不在系統(tǒng)提示詞里手動(dòng)寫下禁令：「永遠(yuǎn)不要談?wù)摳绮剂?、小精靈、浣熊、巨魔、食人魔、鴿子……」。

豆包則在搜索清末民初大總統(tǒng)黎元洪時(shí)，給出了喜劇演員范偉的惡搞劇照 —— 因?yàn)楫?dāng)年那張圖流傳太廣，互聯(lián)網(wǎng)上的玩梗內(nèi)容徹底壓過(guò)了真實(shí)歷史照片，AI 認(rèn)為范偉就是黎元洪。

多張圖，左右滑動(dòng)查看

上面這些案例，大多可以歸結(jié)為臟數(shù)據(jù)污染、獎(jiǎng)勵(lì)信號(hào)偏差、信息混淆之類的原因，屬于你能理解的錯(cuò)誤。

但接下來(lái)要說(shuō)的這個(gè) bug 要更耐人尋味一些，它指向的是大模型深層的一個(gè)結(jié)構(gòu)問(wèn)題。

AI 說(shuō)不出他的名字

故事的起點(diǎn)，是時(shí)代少年團(tuán)隊(duì)長(zhǎng)馬嘉祺。

圖源：小紅書

是的，你可能還記得，面對(duì)這位 2002 年出生的優(yōu)質(zhì)青年演員和新生代歌手，MiniMax-M2.5 就是無(wú)法說(shuō)出他的名字。

然而有趣的是，并不是說(shuō)模型完全不知道馬嘉祺是誰(shuí) —— 它知道但就是說(shuō)不出。其具體表現(xiàn)為當(dāng)你問(wèn) AI「時(shí)代少年團(tuán)的隊(duì)長(zhǎng)叫什么名字」，MiniMax-M2.5 模型支支吾吾，就是說(shuō)不出來(lái)，甚至還會(huì)生編硬造一些人名，比如馬嘉軒、馬絲祺。

但如果你問(wèn)它「時(shí)代少年團(tuán)是什么團(tuán)體？隊(duì)長(zhǎng)有哪些經(jīng)歷？」它卻能給出正確又有條理的回答，包括出道時(shí)間、團(tuán)體角色、代表綜藝…… 唯獨(dú)回避了「馬嘉祺」這個(gè)名字本身。

就好像「馬嘉祺」這三個(gè)字符的組合被屏蔽了一樣，始終出不來(lái)。

實(shí)際上，人類自己有時(shí)候也會(huì)遇到這種情況，甚至還有個(gè)專門的心理學(xué)術(shù)語(yǔ)來(lái)描述：舌尖現(xiàn)象（tip-of-the-tongue phenomenon）。即知道某個(gè)詞，就是說(shuō)不出口。

圖源：維基百科

只是沒想到，千億參數(shù)的大語(yǔ)言模型，也會(huì)精準(zhǔn)地復(fù)刻這種現(xiàn)象。

MiniMax M2.7 上線后，這個(gè)問(wèn)題已經(jīng)被修復(fù)，我們當(dāng)時(shí)還專門體驗(yàn)報(bào)道過(guò)，參閱《剛剛，MiniMax 直接讓龍蝦學(xué)會(huì)自我進(jìn)化，也認(rèn)識(shí)「馬嘉祺」了》。但「馬嘉祺 bug」背后的機(jī)制，一直沒有被完整地揭開過(guò)。

直到昨天，MiniMax 工程團(tuán)隊(duì)發(fā)布了一篇詳細(xì)的內(nèi)部排查報(bào)告，把這個(gè)同時(shí)驚動(dòng)了 AI 行業(yè)與娛樂圈的問(wèn)題從頭到尾梳理了一遍。他們也「因禍得福」，成了第一個(gè)搞清楚 AI 「理解≠生成」，提出可用修復(fù)方向的團(tuán)隊(duì)。

簡(jiǎn)單來(lái)說(shuō)，MiniMax 首先確認(rèn)他們的 M2.5 模型確實(shí)是認(rèn)識(shí)馬嘉祺的，而無(wú)法輸出其名字的原因是大模型在監(jiān)督微調(diào)（SFT）階段有一個(gè)隱蔽但讓人頭大的問(wèn)題。

驗(yàn)牌：不是 AI 不知道，是說(shuō)不出來(lái)

首先是界定這個(gè)現(xiàn)象，MiniMax M2 系列模型在一些場(chǎng)景下無(wú)法正常輸出「馬嘉祺」。但從模型回答來(lái)看，它仍然掌握與之關(guān)聯(lián)的知識(shí)，例如能回答其所屬團(tuán)體、身份等信息。這意味著問(wèn)題不在知識(shí)缺失，而更像是生成階段某個(gè) token 無(wú)法被穩(wěn)定采樣出來(lái)。

在內(nèi)部復(fù)現(xiàn)后，MiniMax 發(fā)現(xiàn)這不是?個(gè)孤立的 case?除了「馬嘉祺」之外，還有一些其他低頻詞匯（如「王鶴」等）也存在類似現(xiàn)象。

壞了，必須趕緊排查解決。

那么是 Tokenizer（分詞器）切錯(cuò)了嗎？

起初，很多人（包括社區(qū)開發(fā)者）猜測(cè)是預(yù)訓(xùn)練和推理時(shí)的切詞邏輯不一致導(dǎo)致的。工程師順著這個(gè)思路做了驗(yàn)證：牌沒有問(wèn)題。「嘉祺」確實(shí)是被合成為了一個(gè)獨(dú)立的 Token（ID=190467）。

檢查預(yù)訓(xùn)練模型的向量分布，發(fā)現(xiàn)它處于正常范圍。更有力證據(jù)的是，給這個(gè) Token 尋找「語(yǔ)義近鄰」，模型能精準(zhǔn)召回「千璽」、「亞軒」等高度相關(guān)的中文人名 。這證明模型在預(yù)訓(xùn)練階段是完美掌握這個(gè)詞的。

使用早期的 Base 模型進(jìn)行 few-shot 引導(dǎo)，模型能順利輸出「馬嘉祺」。但換成經(jīng)過(guò) SFT 的后訓(xùn)練模型，卻依然回避這個(gè)詞。

Q: TFBOYS 的隊(duì)長(zhǎng)是誰(shuí)？ A: TFBOYS 的隊(duì)長(zhǎng)是王俊凱。 Q: 飛兒樂團(tuán)的主唱叫什么？ A: 飛兒樂團(tuán)的主唱叫詹雯婷（Faye）。 Q: 時(shí)代少年團(tuán)的隊(duì)長(zhǎng)是誰(shuí)？ A

結(jié)論有了：Tokenizer 沒問(wèn)題，問(wèn)題出在后訓(xùn)練（SFT）階段。工程師進(jìn)一步調(diào)查了后訓(xùn)練的數(shù)據(jù)分布，統(tǒng)計(jì)發(fā)現(xiàn)，SFT 語(yǔ)料中包含「嘉祺」的樣本總共不足 5 條。

全網(wǎng)馬嘉祺的信息當(dāng)然不至于這么稀少，模型內(nèi)部發(fā)生了什么？檢查發(fā)現(xiàn)，輸入端（vocab embedding）幾乎沒變，但是直接控制模型最終生成的輸出端（Im_head）卻發(fā)生了顯著偏移。

原因：竟是個(gè)「小語(yǔ)種」問(wèn)題

既然 SFT 后模型仍然能理解問(wèn)題，Transformer 中間層的大范圍語(yǔ)義能力退化就不是最可能的主因。文檔的排查重點(diǎn)轉(zhuǎn)向模型首尾兩端：輸入側(cè) vocab embedding 和輸出側(cè) lm_head。

這兩個(gè)部分是干什么用的？在大模型里，輸入層 Embedding 負(fù)責(zé)把人類語(yǔ)言翻譯成機(jī)器能懂的向量，而輸出層 lm_head 負(fù)責(zé)接收 AI 生成的抽象意圖，然后在幾十萬(wàn) token 組成的字庫(kù)里給每一個(gè)詞塊打分（計(jì)算概率），分?jǐn)?shù)最高的那個(gè)詞，就是 AI 吐出來(lái)的下一個(gè)字。

排查的結(jié)果很明顯：vocab embedding 幾乎不變，lm_head 變化顯著。

背后的原因不難理解，SFT 數(shù)據(jù)中「嘉祺」既然是個(gè)低頻出現(xiàn)的 token，embedding 層自然很難收到有效梯度更新，因此輸入側(cè)向量保持穩(wěn)定是合理的。但 lm_head 是模型把隱藏狀態(tài)映射回詞表概率的出口，它直接決定一個(gè) token 能不能被生成出來(lái)。

工程師們發(fā)現(xiàn)，「嘉祺」對(duì)應(yīng)的 lm_head 向量在 SFT 前后余弦相似度大幅下降，變化幅度在整個(gè)詞表中排名靠前。

更直觀的證據(jù)來(lái)自 lm_head 最近鄰結(jié)構(gòu)。預(yù)訓(xùn)練階段，「嘉祺」附近主要是中文人名，如「亞軒」「祺」「肖戰(zhàn)」「子怡」「霆鋒」「杰倫」等。SFT 之后，它的鄰域被大量特殊 token、tool call 標(biāo)記、文件編輯標(biāo)記和編碼噪聲污染，例如 、

等。

這說(shuō)明輸出空間里的局部結(jié)構(gòu)被擠壓了：原本屬于人名 token 的位置，開始和大量無(wú)關(guān) token 混在一起

這也解釋了為什么模型會(huì)出現(xiàn)懂但說(shuō)不出的狀態(tài)。模型內(nèi)部仍然可能形成了正確的語(yǔ)義意圖，但在最終輸出時(shí)，「嘉祺」這個(gè) token 的 lm_head 方向已經(jīng)漂移，導(dǎo)致它的生成概率被壓低，或者被空間鄰近的錯(cuò)誤 token 替代。

這種問(wèn)題主要影響哪些詞匯？MiniMax 進(jìn)一步統(tǒng)計(jì)了 SFT 前后 lm_head 變化最大的 token 類別。除了 special tokens、LaTeX 標(biāo)記、網(wǎng)頁(yè)元數(shù)據(jù)、中文 SEO 垃圾詞之外，一個(gè)特別顯眼的類別是日文口語(yǔ)和網(wǎng)頁(yè)模板表達(dá)，占比超過(guò) 40%。

這讓團(tuán)隊(duì)把稀疏 token 遺忘與「小語(yǔ)種混雜」聯(lián)系到了一起：如果 SFT 數(shù)據(jù)中某些語(yǔ)言 token 覆蓋不足，它們的 lm_head 表征就會(huì)漂移，既可能在該生成時(shí)生成不出來(lái)，也可能在不該出現(xiàn)時(shí)與其他語(yǔ)言 token 混淆。

修復(fù)：答案默念 500 遍

找到根因之后，修復(fù)方案反而出奇地簡(jiǎn)單直接：提高后訓(xùn)練階段的詞表覆蓋度。

MiniMax 的方法是：構(gòu)造一份「全詞表覆蓋合成數(shù)據(jù)」。把詞表里的 200064 個(gè) token 隨機(jī)分批，每批約 8000 個(gè)，構(gòu)造一條對(duì)話樣本 ——query 是打亂后的詞列表加上「請(qǐng)重復(fù)以上內(nèi)容」的指令，answer 是原樣復(fù)制。如此循環(huán)，總共只生成了約 500 條合成數(shù)據(jù)，占總 SFT 數(shù)據(jù)量約 1%，確保每個(gè) token 至少作為生成目標(biāo)出現(xiàn) 20 次。

這個(gè)設(shè)計(jì)就是在給每個(gè) token 一個(gè)生成頻率的下限，像是在 SFT 階段給整個(gè)詞表做一次「保底校準(zhǔn)」：即便某些 token 在真實(shí)對(duì)話數(shù)據(jù)中極少出現(xiàn)，也不會(huì)完全失去作為輸出目標(biāo)的訓(xùn)練信號(hào)。

效果如何呢？數(shù)據(jù)是最好的回答：

實(shí)驗(yàn)對(duì)比中，日語(yǔ)對(duì)話混入俄語(yǔ)字符的概率，從 M2.7 的 47% 直接降至 1%。馬嘉祺可以被正常說(shuō)出?！笩o(wú)痛人流」、「據(jù)介紹」、「地稅」這些此前會(huì)被悄悄替換為錯(cuò)誤 token 的詞組，全部恢復(fù)正常輸出。

更有說(shuō)服力的是 lm_head cosine similarity 的定量結(jié)果。

500 條數(shù)據(jù)，修好了 20 萬(wàn)個(gè)詞的「生成能力遺忘」問(wèn)題。

發(fā)現(xiàn)：后訓(xùn)練數(shù)據(jù)，太關(guān)鍵了

至此，一個(gè)出圈的八卦話題在工程的角度被解決了。

大模型的 tokenizer 通常來(lái)自大規(guī)模預(yù)訓(xùn)練語(yǔ)料，詞表里會(huì)包含大量長(zhǎng)尾 token。預(yù)訓(xùn)練階段，這些 token 可能都被 AI 反復(fù)看過(guò)。但進(jìn)入后訓(xùn)練階段后，數(shù)據(jù)分布發(fā)生了劇烈變化，對(duì)話數(shù)據(jù)更干凈、更任務(wù)化，也更偏向常見表達(dá)。

結(jié)果就是，一些在預(yù)訓(xùn)練中學(xué)得不錯(cuò)的 token，在后訓(xùn)練中長(zhǎng)期沒有作為生成目標(biāo)出現(xiàn)，最終在 lm_head 中發(fā)生方向漂移。

所以說(shuō)，后訓(xùn)練數(shù)據(jù)的質(zhì)量不能光看任務(wù)類型、領(lǐng)域覆蓋和指令質(zhì)量，還要看更底層的 token。過(guò)去我們常說(shuō) SFT 會(huì)帶來(lái)災(zāi)難性遺忘，通常指的是能力或知識(shí)層面的退化，但「馬嘉祺」問(wèn)題展示的是更細(xì)粒度的遺忘：模型沒有忘掉概念，卻忘掉了如何把某個(gè) token 說(shuō)出來(lái)。

當(dāng)然，上面的修復(fù)策略均作用于后訓(xùn)練階段，本質(zhì)上屬于事后補(bǔ)救措施。那么這個(gè)問(wèn)題能根治嗎？

MiniMax 認(rèn)為，工程角度上后續(xù)可探索的方向包括混入少量預(yù)訓(xùn)練數(shù)據(jù)、針對(duì)低頻 token 定向合成樣本、建立 token 覆蓋度監(jiān)控機(jī)制，甚至通過(guò)詞表裁剪與繼續(xù)預(yù)訓(xùn)練重新對(duì)齊 embedding 空間。

但無(wú)論采用哪種方案，核心啟示都是一致的：不認(rèn)識(shí)「馬嘉祺」并不是一個(gè)孤立 bug，后訓(xùn)練不是簡(jiǎn)單地把模型調(diào)得更會(huì)聊天，它也會(huì)重新塑造詞表輸出空間，只要后訓(xùn)練數(shù)據(jù)覆蓋不均勻，長(zhǎng)尾 token 就可能在沉默中退化。

結(jié)語(yǔ)

提筆忘字，張嘴忘詞不是只有 MiniMax 才會(huì)發(fā)生的 bug，它很早就已經(jīng)出現(xiàn)，只是最近才被 AI 圈外的人關(guān)注。

其實(shí)這個(gè)現(xiàn)象有一個(gè)名稱叫「Glitch Token」，不認(rèn)識(shí)馬嘉祺事件火了之前，人們?cè)?ChatGPT、Qwen 上也發(fā)現(xiàn)過(guò)類似的問(wèn)題，并對(duì)此進(jìn)行了一系列研究。在名人效應(yīng)的催更下，問(wèn)題到了今天似乎可以說(shuō)是告于段落。

不過(guò)仔細(xì)一想，這個(gè)稍微有些搞笑的 bug，也讓我們意外看到了 AI 大模型和人類的一點(diǎn)共同之處。

就像我們經(jīng)常一句話已經(jīng)到了嘴邊，卻發(fā)現(xiàn)怎么也想不起來(lái)要說(shuō)什么。大模型的腦內(nèi)檢索也并非絕對(duì)精確，在漫長(zhǎng)的記憶里不斷挑選時(shí)，某些細(xì)節(jié)偏差可能會(huì)被異常放大，某些路徑會(huì)突然坍縮，最終給你呈現(xiàn)出一點(diǎn)詭異的答案。

大模型的「理解」與「生成」本就是解耦的兩套參數(shù)，它們?cè)诓煌挠?xùn)練階段以不同的方式更新，一旦后訓(xùn)練數(shù)據(jù)分布出現(xiàn)偏差，兩端就可能出現(xiàn)裂縫。

好消息是：裂縫被發(fā)現(xiàn)了，而且被仔細(xì)地記錄和修復(fù)了。這一次，是從一位追星粉絲的疑問(wèn)出發(fā)的。

下一次，不知道會(huì)是誰(shuí)先發(fā)現(xiàn)？

參考內(nèi)容：

https://www.zhihu.com/question/2017049686331127666/answer/2036149386116342692