据爱范儿报道，自今年8月中旬起，部分ChatGPT用户在自动生成的会话标题末尾看到赌博、色情等小广告片段。该媒体称，这并非ChatGPT测试广告功能，也不涉及用户隐私泄露；问题最早可追溯至今年年初的Codex CLI，根源则指向2024年启用的分词器词表污染。
爱范儿梳理的时间线显示，今年1月底，开发者在Codex CLI使用GPT-5.3且上下文很长时，发现消息或代码夹杂中文博彩小广告。2月，类似输出出现在API端，有人用GPT5.2-chat-latest做工具调用时未执行调用，反而输出中文和少量泰文的赌博网站广告词，系统提示词干净且未开联网搜索。4月，开发者社区中此类现象已不罕见。OpenAI官方支持社区相关求助帖持续增加，但官方长期只鼓励合并讨论、关闭新帖。7月25日，OpenAI首次正面回应称已了解问题，预计未来模型更新会解决。到8月中旬，博彩广告开始进入普通用户的会话标题。9月，正文和思维链中的小广告近乎绝迹，标题异常频率也明显减少，但仍有漏网。
爱范儿称，OpenAI未公开会话标题生成机制。早年GitHub抓包记录显示，用户发起第一轮对话后，网页端会单独请求标题生成接口，将会话ID和指定模型发送给服务端，标题作为对话元数据存储。由此可推断，标题生成是独立于主对话的模型调用。由于标题常快于正文，且存在正文干净、标题被污染的情况，标题可能由更轻量的模型生成。
爱范儿还引用异常标题案例称，模型在生成标题后未能正确结束，继续输出思维链、外语词元、符号词元或小广告。例如标题中出现“创建漫画 ಚಿತ್ರ展 Adversarial? Wait must Chinese 1-4 words. ‘创建线条漫画’ 4 words”，显示模型把内部思考与最终回答混在一起；另有标题以“#+#+#+#+”收尾，或出现“解释西西弗斯幸福 娱乐主管”等后半截异常但语义相关的输出。爱范儿据此判断，标题生成模型在应该结束生成时收尾失败，随后按概率继续输出下一个词。
爱范儿称，一篇入选EMNLP的论文《Speculating LLMs’ Chinese Training Data Pollution from Their Tokens》解释了小广告词元为何泛滥。OpenAI从2024年5月GPT-4o开始将分词器编码方案从cl100k_base换成o200k_base，把更多中文词语和短句加入词表。分词器训练语料包含从外网抓取的色情、赌博和盗版影视网站数据，固定广告词组被频繁合并为独立词元。论文作者发现，四字词元中68%是小广告，六字以上词元98%来自广告，最长100个中文词元中96个与赌博、色情或盗版影视相关。语言模型正式训练前会清洗数据，导致模型几乎没见过这些词元，无法理解其含义，只能将其视为乱码。当标题模型收尾失败、需要插入乱码时，就可能从这些词元中选出小广告。
爱范儿认为，最简便的应对是增加事后检查规则，检查标题是否合规，不合规则重新生成；这可能解释小广告减少但未绝迹。治本方法是重制干净词表，但词表与基模绑定，更新词表意味着重新训练整个模型。爱范儿称，OpenAI眼下没有为中文用户体验推翻基模重做的动机，用户可能还要在一段时间内与小广告共存。