合成数据中，通过替换标识符、名称、章节顺序和表层措辞可制造看似不同但保留相同底层短语模板的样本，这会为模型提供捷径；精确重复检测无法发现这种重叠，需使用n-gram重叠度、嵌入相似度或模板家族追踪等更细粒度的手段。