在知名技术论坛 Linux.do 上，一则关于 DeepSeek 网页版“专家模式”的讨论引发了开发者社区的广泛关注。有用户指出，DeepSeek 最新版网页端在开启深度思考或专家模式时，其生成的回复内容呈现出明显的“ChatGPT 化”特征。该用户展示了具体的对比案例，指出 DeepSeek 会输出结构僵化、条目繁多的“雷霆长列表”，并且在阐述观点时使用了大量与 OpenAI GPT 模型高度雷同的过渡语和“预置观点”。
论坛参与者对此现象表示困惑，认为 DeepSeek 本应以更直接、逻辑性强的编程和技术推理能力著称，而现在的输出风格如果不截图展示，很难将其与 ChatGPT 区分开来。这种“一眼假”的相似性引发了业界对于大模型同质化趋势的担忧。讨论的核心聚焦于：这是 DeepSeek 为了迎合通用用户习惯而进行的特定调整，还是因为在训练数据中过度使用了 GPT 生成的合成数据（即“蒸馏”），导致模型丢失了其原有的差异化特性。该事件折射出当前 AI 模型开发中面临的独特性与安全性平衡难题。
事件分析
从技术维度分析，该现象实质上反映了大模型微调过程中的“对齐税”与合成数据污染的双重影响。一方面，为了通过人类反馈强化学习（RLHF）提升模型的安全性和通用性，开发者往往倾向于采纳符合主流审美（即结构化、条理化）的回答样本，这导致不同模型的输出风格向 GPT 这一“行业标杆”收敛。另一方面，如果在预训练或微调阶段大量使用了 GPT 产出数据进行知识蒸馏，模型不仅会学到知识，更会无意识习得 GPT 独特的文本指纹和概率分布。对于 DeepSeek 而言，如果在推理模型中丢失了其独特的代码风格和直率逻辑，转而追求平庸的“标准答案”，将削弱其在开发者群体中的核心竞争力。这也警示行业，单纯依赖合成数据闭环可能会让大模型陷入“近亲繁殖”的退化陷阱。
核心观点：大模型在追求极致对齐中陷入“平庸陷阱”，风格同质化正让模型丧失独特个性，甚至面临“越像越死”的算法困局。
原文链接：Linux.do
评论前必须登录！
立即登录 注册