待验证50% 置信事实精确时间
相关研究已在文本、图像等模态上观察到模型崩溃（model collapse）的退化趋势，即AI生成内容回流导致后续模型训练语料中合成文本比例上升、分布偏离真实世界数据。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证'模型崩溃'（model collapse）指语言模型在混入大量同类模型生成的合成文本上反复训练时，逐渐丧失对低频真实知识的学习能力，输出趋向同质化并在几代迭代后显著退化79% 相似已验证模型崩溃指AI模型使用前代模型生成数据训练后，经过多代迭代输出分布会逐渐偏离原始真实数据分布，丢失分布尾部信息76% 相似待验证能力退化现象（也称'模型坍缩'）在用模型自身生成的合成数据进行微调时已被多次观察到74% 相似已验证当语言模型在自身或同类模型生成的数据上反复训练时，会出现系统性退化，模型输出多样性逐代降低，分布尾部信息逐渐丢失73% 相似待验证2023年牛津大学Ilia Shumailov团队在Nature上发表研究系统阐述了模型崩溃效应，指出模型在自身生成数据上迭代训练相当于对原始数据分布有损压缩71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1075910API
curl https://kongchang.com/api/v1/knowledge/claims/1075910MCP
get_claim(id=1075910)