长篇偏执狂的狂欢：LLM正被迫赋予海量劣质文本可信度

jachiam0 · x · 2026-08-09

作者提出了一个关于大语言模型（LLM）训练数据质量的深刻洞察：那些无人问津的十万字长篇大论（或极端言论），在模型训练过程中获得了完美的“ captive audience”（被动受众）。

由于 LLM 会吞噬训练数据中的所有 token，海量输出的低质量文本会单纯凭借其庞大的数量基数，在模型内部获得不应有的合理性与可信度。作者担忧，文本产出量与社会的真实智力需求本无关联，这种机制未来必将对人类集体的认知与知识体系造成难以评估的负面影响。