arXiv · cs.AI· Shuo Xing, Junyuan Hong, Yifan Wang, Runjin Chen, Zhenyu Zhang, Ananth Grama, Zhengzhong Tu, Zhangyang Wang·· 4 小时前
大语言模型会“脑腐”：Twitter/X 低质量文本持续预训练的试点研究
LLMs Can Get "Brain Rot": A Pilot Study on Twitter/X
arXiv:2510.13928v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shuo Xing, Junyuan Hong, Yifan Wang, Runjin Chen, Zhenyu Zhang, Ananth Grama, Zhengzhong Tu, Zhangyang Wang
研究任务与主要进展
研究团队在Twitter/X真实语料上开展受控实验，发现持续使用低质量网页文本进行预训练会导致4个大语言模型在推理、长上下文理解和安全等能力上出现下降。基于论文摘要，按互动程度和语义质量构造低质量数据后，ARC-Challenge的CoT得分从72.1降至57.2，RULER-CWE从83.7降至52.3；增加指令微调或清洁数据持续预训练只能部分改善，未完全恢复基线能力。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org