摘要： 人工智能大模型的突破性发展高度依赖海量训练语料，然而语料污染已成为制约模型可信度与应用安全的核心瓶颈。文章系统阐释语料污染的内涵及其类型划分，结合多领域实证案例揭示其引发的链式风险，包括模型生成内容的偏见与虚假信息扩散、关键领域决策失误、版权纠纷及用户信任崩塌等。在此基础上，提出“数据控源—技术免疫—法规护航—生态共治”四维协同治理框架：在源头建立分级审核与专业语料共享机制；在技术层研发抗污染算法与鲁棒训练范式；在法规端明确版权边界与AI生成标识义务；在生态圈推动行业自律与国际协作。

关键词: 大语言模型, 语料污染, 数据质量, 算法偏见, 人工智能治理