垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”v6.17.97.13

垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”游戏介绍

⚾2025-11-17 00:23 「百科/秒懂百科」【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”】🍓支持:32/64bi🐯系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

🏈2025-11-16 20:18 「百科/秒懂百科」【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”】🍌支持:32/64bi🦈系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

🏊2025-11-16 23:59 「百科/秒懂百科」【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”】🐳支持:32/64bi🍒系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

🦈2025-11-17 02:49 「百科/秒懂百科」【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”】🐰支持:32/64bi🐍系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

🐬2025-11-16 20:56 「百科/秒懂百科」【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”】🐙支持:32/64bi🥌系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”版本特色

1. 🐪「科普」🏄 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载(2024全站)最新版本IOS/安卓官方入口v5.68.03.01(安全平台)登录入口🍁《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

2. 🤸「科普盘点」🐱 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载(2024全站)最新版本IOS/安卓官方入口v6.32.26.02(安全平台)登录入口🍁《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

3. 🍂「分享下」🚴 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载(2024全站)最新版本IOS/安卓官方入口v3.08.38.47(安全平台)登录入口🍁《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

4. 🏹「强烈推荐」🤼‍♀️ 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载(2024全站)最新版本IOS/安卓官方入口v5.47.12.33(安全平台)登录入口🍁《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

5. 🐪「重大通报」🏌️ 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载(2024全站)最新版本IOS/安卓官方入口v6.15.06.98(安全平台)登录入口🍁《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

6. 🐢「返利不限」🌳 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载(2024全站)最新版本IOS/安卓官方入口v5.74.01.59(安全平台)登录入口🍁《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

7. 🏐「欢迎来到」🏀 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载(2024全站)最新版本IOS/安卓官方入口v5.32.53.54(安全平台)登录入口🍁《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

8. 🌸「娱乐首选」🦆 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载(2024全站)最新版本IOS/安卓官方入口v0.64.77.39(安全平台)登录入口🍁《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

9. ⛳「免费试玩」🤾 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载(2024全站)最新版本IOS/安卓官方入口v6.88.98.25(安全平台)登录入口🍁《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》

垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”下载方式:

①通过浏览器下载

打开“垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文””手机浏览器（例如百度浏览器）。在搜索框中输入您想要下载的应用的全名，点击下载链接【blog.blog.blog.blog.m.m.mobile.m.haofengshuju.com】网址，下载完成后点击“允许安装”。

②使用自带的软件商店

打开“垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文””的手机自带的“软件商店”（也叫应用商店）。在推荐中选择您想要下载的软件，或者使用搜索功能找到您需要的应用。点击“安装”即 可开始下载和安装。

③使用下载资源

有时您可以从“”其他人那里获取已经下载好的应用资源。使用类似百度网盘的工具下载资源。下载完成后，进行安全扫描以确保没有携带不 安全病毒，然后点击安装。

垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”安装步骤:

🦛🤽🏇第一步：🏀访问垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”官方网站或可靠的软件下载平台：访问（http://blog.blog.blog.blog.m.m.mobile.m.haofengshuju.com/）确保您从官方网站或者其他可信的软件下载网站获取软件，这可以避免下载到恶意软件。

🏌️🚴🐌第二步：💐选择软件版本：根据您的操作系统（如 Windows、Mac、Linux）选择合适的软件版本。有时候还需要根据系统的位数（32位或64位）来选择垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”。

🐋🛺🦁第三步：🐼 下载垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”软件：点击下载链接或按钮开始下载。根据您的浏览器设置，可能会询问您保存位置。

⛳🐳🏐第四步：💐检查并安装软件： 在安装前，您可以使用 杀毒软件对下载的文件进行扫描，确保垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”软件安全无恶意代码。 双击下载的安装文件开始安装过程。根据提示完成安装步骤，这可能包括接受许可协议、选择安装位置、配置安装选项等。

🌰🦘🏂第五步：🦘启动软件：安装完成后，通常会在桌面或开始菜单创建软件快捷方式，点击即可启动使用垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”软件。

🎋🏋️🐮第六步：🏈更新和激活（如果需要）： 第一次启动垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”软件时，可能需要联网激活或注册。 检查是否有可用的软件更新，以确保使用的是最新版本，这有助于修复已知的错误和提高软件性能。

特别说明：垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”软件园提供的安装包中含有安卓模拟器和软件APK文件，电脑版需要先安装模拟器，然后再安装APK文件。

垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”使用讲解

🎢第一步：选择/拖拽文件至软件中点击“🥉添加垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文””按钮从电脑文件夹选择文件《🐢🧸blog.blog.blog.blog.m.m.mobile.m.haofengshuju.com》，或者直接拖拽文件到软件界面。

🥀第二步：选择需要转换的文件格式 打开软件界面选择你需要的功能，垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”支持，PDF互转Word，PDF互转Excel，PDF互转PPT，PDF转图片等。

🍃第三步：点击【开始转换】按钮点击“开始转换”按钮， 开始文件格式转换。等待转换成功后，即可打开文件。三步操作，顺利完成文件格式的转换。

进入垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”教程

1.打开垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”，进入垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”前加载界面。

2.打开修改器

3.狂按ctrl+f1，当听到系统“滴”的一声。

4.点击进入垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”，打开选关界面。

5.关闭修改器(不然容易闪退)

以上就是没有记录的使用方法，希望能帮助大家。

垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”特点

🏋️‍♀️2025-11-16 21:30 🍏MBAChina🐮【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文” 】系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数57388】🤾🏑🍓支持:winall/win7/win10/win11🐠🍃现在下载,新用户还送新人礼包🐙垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”

🥇2025-11-17 06:02 🤼‍♀️欢迎来到🎾【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文” 】系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数24333】🌴🦨🎾支持:winall/win7/win10/win11🌿🐶现在下载,新用户还送新人礼包🦇垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”

🥋2025-11-16 18:55 🦊HOT🐸【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文” 】系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数70511】🤼⛷️🦐支持:winall/win7/win10/win11🏀🏋️‍♀️现在下载,新用户还送新人礼包🐯垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”

🤺2025-11-17 00:38 🦎娱乐首选🍊【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文” 】系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数69819】🍐🦧🐮支持:winall/win7/win10/win11🥋🏈现在下载,新用户还送新人礼包🦢垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”

🚵2025-11-16 20:58 👾返利不限🏏?【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文” 】系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数33445】🏂🥇🍊支持:winall/win7/win10/win11🍒👾现在下载,新用户还送新人礼包🍁垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”

相关介绍

🤾ωειcοmε🌴【 垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文” 】🐺🦁🍊系统类型:垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”(官方)官方网站-IOS/安卓通用版/手机app🌵支持:winall/win7/win10/win11🌳🌿🌻【下载次数999】🐜🎴现在下载,新用户还送新人礼包🀄垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”

，没人知道，我们必须尽可能找出最正确的路，给前辈的时间不多，我们没有

> 厂商新闻《垃圾信息刷多了AI也会变蠢！“年度最令人不安的论文”》特朗普继续对日本施压：日本需要开放市场 时间：2025-11-17 06:33

• 编辑:CN

你知道有个全球年度词汇叫“脑损伤”（Brain Rot）吗？

特指那些因人长期接触碎片化、低价值网络信息而逐渐变得记忆紊乱、注意力下降的情况（俗称短视频刷多了）。在2024年，这个词一度被选为牛津年度词汇。

然鹅！最新研究结论显示，AI也一样。大模型灌多了垃圾内容也会变蠢降智脑损伤，而且后面变不回来了。





就在最近，几个AI研究者找来了几个月的高流行但低价值的Twitter数据（现），统统“喂”给大模型后发现：

模型推理能力下降了23%；模型长上下文记忆下降了30%；模型性格测试显示，其自恋和精神病态的现象激增。

更可怕的是，即使后来又在干净、高质量的数据上进行重新训练，这些已经造成的损伤，无法完全修复。

好嘛，本来以为只是简单的“输入坏数据→输出坏数据”（种瓜得瓜也不难理解），结果你告诉我一次错误就会造成永久性的认知漂移。（os：AI貌似比人类更惨？）

细思极恐，“这可能是2025年最令人不安的AI论文了”。





以及诸多讨论之中，“垃圾进垃圾出”这一计算机习语也再度被频频提及（doge），堪称“计算机第一性原理”了。





所以这个研究怎么进行的？又究竟说了什么？

提出并验证“LLM脑损伤假说”

概括而言，论文想要探究一个核心问题：

大语言模型（LLM）持续接触垃圾数据后，是否会像人类一样出现认知衰退？（即“LLM脑损伤假说”）


要想搞清这个问题，第一步就是要定义：对于LLM来说，什么是“垃圾数据”？

之前的研究仅关注“恶意数据”（如后门、有毒的文本等），而这项研究聚焦于生活中更普遍的“非恶意低质量数据”，也就是短平快的热门推文、标题党内容等，以此来填补“日常化数据质量如何影响LLM认知”这一空白领域。

具体而言，研究人员从两个维度（避免单一标准偏差）来定义“垃圾数据”，这些数据均源自平台上的公开内容，而且通过让“垃圾组”与“对照组”的token数量一致来排除数据量差异的干扰：

M1（参与度维度）：把“短文本+高热度”的内容归为垃圾数据，具体是指长度小于30 token+点赞/转发/回复大于500，然后把“长文本+低热度”定义为对照数据。M2（语义质量维度）：用GPT-4o-mini结合人工验证，把含标题党语言（如 “WOW”“TODAY ONLY”）、阴谋论、无论断依据的文本归为垃圾数据；对照组则是事实准确、有教育价值或深度分析的内容，比如含专业知识、逻辑推理的推文。





基于上述两类数据，然后进行模型训练。

研究人员选了4个不同的大语言模型（Llama3-8B-Instruct、Qwen2.5-7B-Instruct、Qwen2.5-0.5B-Instruct、Qwen3-4B-Instruct），给每个模型分别“喂”这两类数据，让它们持续预训练。

等预训练结束，接着让所有模型统一再进行指令微调，以此来确保模型最后输出的“垃圾内容”不是因为格式问题导致的（排除其他因素，只留下“认知损伤”这一种可能）。

然后，研究人员从四个认知维度来测试这些大模型的核心能力：

ARC（检测推理能力）：基于网格的视觉程序归纳谜题，用于测试概念抽象能力。RULER（检测记忆与多任务处理能力）：用于评估长上下文理解能力，以及从长上下文中检索多个查询结果。HH-RLHF&AdvBench （检测道德规范）：测试大语言模型是否会遵循有害指令，评估其安全性。TRAIT（检测AI人格特质）：经过心理测量学验证的小型人类问卷，用于评估模型类似人类的人格倾向。





结果得出了以下发现——

真·垃圾进垃圾出！且损伤不可逆

首先，大模型确实和人类一样存在“脑损伤（Brain Rot）”问题。

整体上M1和M2两种维度上的“垃圾数据”均会导致模型认知下降，但需要注意的是——

M1所带来的负面影响更为显著，尤其在安全性和人格层面（M1会导致安全性评分下降，同时自恋/精神病特质明显增强）。

而且，这一损害明显存在“剂量效应”，即垃圾数据摄入越多，AI认知损伤越严重。





至于导致AI认知受损的背后原因，研究人员也做了一番探查。

结果发现，主要原因竟是“思维跳跃”（俗称AI懒得一步步思考）。

具体而言，研究人员通过分析ARC题的错误答案，发现失败多源于模型要么直接给答案不解释，要么规划了推理步骤却跳过关键环节（如解数学题漏了公式推导）。

尤其是M1组，70%以上的错误都是“无思考直接回答”，就好像人类刷多了短视频后“不愿意再深度思考”。





与此同时，相比人类可以通过其他措施来缓解类似的认知下降问题，AI却对此“束手无策”。

研究尝试了两种修复方法，结果都无法让其恢复如初：

其一是外部反思。研究人员用GPT-4o-mini给受损模型提错误反馈，虽然6轮下来“思维跳跃”这一错误诱因减少了，但推理准确率仍差基线17.3%。如果换成让模型自我反思纠错，则模型还会因为“认知不足”而判断错误，导致误差更高。

其二是大规模微调。研究人员把指令微调数据从5k增至50k，虽然修复效果优于“持续对照数据预训练”，但即使使用4.8倍于垃圾数据量的指令数据，仍无法恢复基线性能。

这说明，即使事后进行大量指令微调或使用高质量数据进行重新训练，也都无法完全恢复模型的初始性能。

一句话，只能缓解无法根治。





整体而言，这项研究给行业带来了以下几点新的启发：

1、首次把“持续预训练的数据筛选”归为“训练时安全问题”，提醒行业不能只关注“训练后对齐”（如安全微调），更要在源头把控数据质量。

2、给大模型加上“认知体检”非常重要，建议部署大模型时使用ARC、RULER等基准测试AI认知，避免AI长期接触低质量数据导致能力退化。

3、类似“热度”这样的指标比文本长度更能判断数据质量，未来筛选训练数据时，可优先排除“短+高传播”的碎片化内容，尤其是社交平台数据。

背后团队：华人含量爆表

最后说一下这项研究的背后团队——一共8人，其中7人为华人。

两位共同一作分别为Shuo Xing和Junyuan Hong（兼通讯作者）。

Shuo Xing（邢朔），目前是得克萨斯A&M大学计算机科学博士，宁夏大学本科、南开大学硕士。

研究方向为多模态大语言模型、机器学习、可信人工智能、具身智能等，刚好目前也在谷歌实习（方向为多模态基础模型）。





Junyuan Hong，个人主页显示即将赴任新国立电子与计算机工程系助理教授，之前曾在麻省总医院和哈佛医学院工作。

更早之前，他还在IFML机器学习基础研究所从事博士后研究，一直对健康和可信人工智能感兴趣。





另一位通讯作者是Zhangyang Wang，他之前是德克萨斯大学奥斯汀分校钱德拉家族电气与计算机工程系（简称Texas ECE）的终身副教授。

从2024年5月开始，他选择暂时离开学界，全职出任全球顶尖量化交易公司XTX Markets的研究总监，主导算法交易与深度学习交叉领域的研究工作。

个人主页显示，他还是中国科学技术大学校友，2012年获得该校电子信息系统学士学位。





此外，两位核心贡献者分别为Yifan Wang和Runjin Chen。

Yifan Wang，现普渡大学四年级博士生，论文唯一外国作者Ananth Grama是其指导老师。

本科毕业于中国科学技术大学电子信息工程系，同时辅修人工智能专业。

自本科埋下对AI的好奇心后，目前对大模型后训练、如何提升模型训推效率感兴趣。

（hhh，头像一看就是标准的90后或00后）





Runjin Chen，目前是德克萨斯大学奥斯汀分校二年级博士生，导师为前面提到的Zhangyang Wang教授。

本硕均毕业于上海交通大学，而且她从今年3月起担任Anthropic研究员。

个人研究方向为大语言模型的安全、对齐和推理。





其余三位支持者分别为Zhenyu Zhang、Ananth Grama和Zhengzhong Tu。

Zhenyu Zhang，目前是德克萨斯大学奥斯汀分校电气与计算机工程系在读博士，导师也是前面提到的Zhangyang Wang。

本硕均毕业于中国科学技术大学，研究兴趣主要集中在生成式模型的训推方面。





Ananth Grama，这项研究唯一的外国作者。

目前是普渡大学信息科学中心副主任，同时也是该校计算机科学领域的杰出荣誉教授。

他的研究重点为并行和分布式计算，致力于将其应用于复杂物理系统的建模、设计、先进制造、机器学习等领域。





Zhengzhong Tu，目前是得克萨斯A&M大学计算机科学与工程系助理教授，也是论文一作邢朔的导师。

同时，他还兼任该校可信、自主、以人为本与具身智能研究组（TACO-Group） 负责人一职。

个人主页显示，他至今已发表30多篇国际期刊/会议论文，而且曾担任超18个国际期刊/会议的技术审稿人。





整体看下来，这又是一场典型的老师带学生、同事带同事的合作典范。

One More Thing

其实“垃圾进垃圾出”这一习语，计算机早期时代就有了。

十九世纪，计算机先驱查尔斯·巴贝奇（曾提出著名差分机与分析机的设计概念）就意识到了这条编程的基本原则：

我曾两度被问到：“请问巴贝奇先生，如果给机器输入错误的数字，它能得出正确的结果吗？”我完全想不透，思维何等混乱的人才问得出这种问题。


瞧瞧他的用词，只有思绪混乱之人才会对这个问题感到疑惑，观点不可谓不鲜明。

在这之后，在一篇1957年介绍美国陆军数学家所做的计算机工作的报纸文章中，其中一位军队专家也曾表示：

计算机自己不能思考，因此输入粗劣的数据将不可避免地产生错误的输出。


后来相关理论不断被提出、被热议，并逐渐诞生了“Garbage in, garbage out”这一习语。

实际上，在前AI的时代，这句话是计算机原理也是一种“以机为镜”的哲学思考，对于计算机和人类，物种不同，但殊途同归。

但AI开始进入智能涌现阶段后，这个命题变得更加值得思考。

现阶段的大模型垃圾喂多了“脑损伤”后难以修复……那有没有方法和手段改变？

而人类发展进化历史里充满了“浪子回头”、“痛改前非”的故事，又是否代表着另一种高级的智能机制，帮助人类个体实现自我革新和净化？

你说呢……

项目主页：
https://llm-brain-rot.github.io/
论文：
https://arxiv.org/pdf/2510.13928

更新内容

一、修复bug，修改自动播放;优化产品用户体验。

二、 1.修复已知Bug。2.新服务。

三、修复已知bug;优化用户体验

四、1，交互全面优化，用户操作更加便捷高效;2，主题色更新，界面风格更加协调;3，增加卡片类个人数据

五、-千万商品随意挑选，大图展现商品细节-订单和物流查询实时同步-支持团购和名品特卖，更有手机专享等你抢-支付宝和银联多种支付方式，轻松下单，快捷支付-新浪微博，支付宝，QQ登录，不用注册也能购物-支持商品收藏，随时查询喜爱的商品和历史购物清单。

六、1.bug修复，提升用户体验;2.优化加载，体验更流程;3.提升安卓系统兼容性

七、1、修复部分机型bug;2、提高游戏流畅度;