研究人員以四款大型語言模型進行測試，發現模型若持續用低質、短篇且以吸引點擊為主的網絡內容訓練，在推理、長文本理解、安全及行為表現上均可能退步。研究團隊把這種現象稱為AI「腦腐」，並指出即使再以較高質素資料微調，模型表現也難完全回到基準；結果顯示訓練資料品質會影響模型能力。

這項研究由德州農工大學、德州大學奧斯汀分校及普渡大學研究人員共同進行，論文已獲2026年語言模型會議接納。研究團隊借用「腦腐」一詞形容長期接觸低質網絡資訊後出現的認知退化，並測試大型語言模型是否會受類似資料影響。

研究人員以2010年收集的100萬則公開Twitter貼文建立訓練資料集，再依互動量、篇幅及文字內容分類。高互動、短篇或帶有誇張標題、未經支持的說法和煽動語氣的貼文，被列作低質內容；互動較少而篇幅較長的貼文，則作為對照資料。

團隊用不同比例的低質和對照資料，對Llama 3 8B Instruct、Qwen2.5 7B Instruct、Qwen2.5 0.5B Instruct及Qwen3 4B Instruct進行持續預訓練，之後以相同方式微調，再比較推理、記憶、長文本理解、倫理和人格傾向等基準測試。

推理能力下降

測試結果顯示，低質資料比例增加時，模型在部分推理及長文本理解測試的分數下降。研究團隊在論文舉例，某項推理挑戰測試的分數由低質資料比例為0%時的約75分，降至100%時的約57分；長文本測試亦出現下滑。結果在不同模型和資料分類方法中各有差異。

研究人員把常見錯誤概括為「跳過思考步驟」：模型更容易省略推理中間環節，直接給出答案。團隊亦測試安全和人格表現，發現部分模型在低質資料訓練後，對倫理問題的回應有所改變。研究者提醒，這些測試屬模型訓練實驗，不能直接推論所有商業AI系統都已出現相同變化。

研究還觀察到，資料受歡迎程度對部分推理任務的影響較大，而篇幅長短對記憶和理解任務的作用較明顯。研究者指出，社交媒體上的高互動貼文不一定全屬低質內容，實驗使用的是按研究設計篩選的資料，分類方式會影響結果。

在補充測試中，研究團隊以較高質素資料繼續預訓練，或增加指令微調，模型能力有所改善，但未完全回復原先基準。研究將此描述為難以消除的持續影響，並非證明模型在任何情況下都不能修復；後續仍需測試其他資料來源和更大型模型。（編輯部）