概要
ChatGPTが生成する人名やファイル名に「恒一」という名前が異常な頻度で混入する現象について、トークナイザーの構造からその技術的背景を考察する。
詳細内容
2025年末から報告されている、ChatGPTが特定の名前「恒一」を不自然に多用する現象（通称：恒一ウィルス）についての調査レポートです。筆者の実体験（画像保存時のファイル名への自動挿入）を起点に、CodexやClaudeを用いた検証、およびトークナイザーの解析が行われています。
調査の核心は、GPT-4o以降の語彙セット「o200k_base」において、半角空白付きの「 恒一」がID 198478の単一トークンとして登録されている事実です。他の一般的な名前が複数トークンに分解される中、この特定の文字列が特等席を得ていることが、モデルの命名ロジックにおける「吸い込み」を引き起こしていると推測されています。また、このトークンが特定の状況で中国語のスパムサイトを思わせる語彙に化ける「グリッチトークン」の兆候も見せており、学習データに由来するバグである可能性が示唆されています。メインモデル（GPT-5.6等）では改善傾向にあるものの、補助的な命名タスクを行う軽量モデルに残存している可能性が高いと結論づけています。