2025年9月，清华大学与南洋理工大学研究者发表论文揭示，以ChatGPT为代表的大语言模型正遭受中文互联网数据污染，其中AV女优‘波多野结衣’的出现频率比‘您好’高出2.6倍。AI训练数据中混入大量不良内容，导致其生成信息时可能出现异常，如胡编谣言、输出不当内容等。这类数据污染不仅影响AI表现，还引发认知污染，人类对AI错误信息的信任进一步加剧问题。论文探讨了污染来源及规避方式，但指出仅靠技术改进和法规约束不足以解决问题，公众需认识到‘AI不可全信’的重要性。类似事件如‘Deepseek给王一博道歉’谣言已显示数据污染的严重性。研究强调学界与开发者需共同努力应对这一挑战。