品玩11月17日讯，据 Github 显示，一项新研究提出“大模型脑腐”（LLM Brain Rot）假说，认为持续接触社交媒体中的低质“垃圾文本”会导致大语言模型（LLM）出现持久性认知能力下降。研究团队基于真实Twitter/X语料，通过两种正交指标——M1（互动热度与文本简短度）和M2（语义质量）——构建对照数据集，在保持词元规模与训练流程一致的前提下开展受控实验。

结果显示，4个主流LLM在垃圾数据上持续预训练后，在推理、长上下文理解、安全性等维度均出现显著退化（Hedges’ g > 0.3），且“黑暗人格特质”（如自恋、冷酷）倾向上升。混合比例实验进一步揭示剂量效应：随垃圾数据占比从0%升至100%，ARC-Challenge（带思维链）得分由74.9降至57.2，RULER-CWE由84.4跌至52.3。

错误归因分析表明，模型主要因“跳过推理步骤”而失效；虽可通过指令微调或清洁数据部分修复，但无法完全恢复基线水平，提示表征空间已发生持久偏移。研究强调，数据质量是影响LLM能力的因果因素，呼吁将数据筛选视为训练阶段的安全问题，并对部署模型实施常规“认知健康检查”。