# 马嘉祺让大模型翻车，背后是低频词退化问题，有人一年前洗澡时就发现了

> 原标题：「马嘉祺」让大模型翻车，而他一年前洗澡时就发现了问题

- 来源：机器之心 · 公众号
- 发布时间：2026-05-29T04:04:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/30499
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651035616&idx=1&sn=105941ac15fafb51840376bca6975cd6

## 摘要

文章页面被微信环境验证挡住了，正文内容没拿到。从现有标题和英文摘要看，讲的是 FaceMind 团队把大模型在“马嘉祺”这类低频词上翻车的现象，和两篇论文串了起来：一篇是 EMNLP 2025 的 SLoW，另一篇是刚被 ACL 2026 接收为 Oral 的 Adam's Law。摘要里还提到一个具体数字——用高频词改写的方法，把 DeepSeek-...

## 推荐理由

这篇文章把马嘉祺让大模型翻车这个意外事件，和低频 token 退化这个技术问题绑在一起讲，切入点很巧。它不光讲现象，还给出了两篇顶会论文的机制解释，以及 DeepSeek-V3 上 8 个百分点的准确率提升，对做模型评测和提示工程的人有直接参考价值。不是大模型发布那种重磅消息，但属于扎实的研究信号，值得放进精选。

## 锐评

这条新闻的核心发现挺反直觉：大模型不是不懂数学，而是被“马嘉祺”这种不常见的词带偏了。FaceMind 团队把这个问题和两篇顶会论文串了起来——EMNLP 2025 的 SLoW 和刚被 ACL 2026 接收为 Oral 的 Adam's Law，说明学术界已经在认真对待低频词导致的性能退化。给出的数字很直接：用高频词改写后，DeepSeek-V3 数学准确率从 63.55% 跳到 71.54%，涨了将近 8 个点，这个提升幅度不小，说明问题出在 token 层面而非推理能力本身。

但这里要打个折：文章页面被微信环境验证挡住了，正文内容没拿到。摘要里提到的“高频词改写”具体怎么操作、在哪些任务上有效、有没有引入新的偏差，这些关键细节都看不到。另外，Adam's Law 作为 Oral 论文，它的核心主张是什么、和 SLoW 是什么关系，目前也只能靠猜。

对从业者来说，这条线索值得追——如果你的模型在特定领域词或冷门实体上表现不稳定，可能不是数据不够，而是 tokenization 阶段就埋了坑。建议直接去找两篇原论文看，别只靠这篇被墙的推送。