已验证70% 置信事实精确时间

2023年牛津大学、剑桥大学等机构的联合研究阐述了模型崩溃效应：当模型在自己生成的数据上迭代训练后，输出统计方差持续下降，稀有长尾知识首先消失，最终收敛为文化平均态

4

来源数

70%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

均值回归：LLM如何悄然扼杀创新与多样性

hackernewshackernews2026/7/6

相关事实

待验证牛津大学2023年的一项研究量化了模型坍缩效应，仅经过五代自我训练，文本多样性指标下降了约40%82% 相似待验证2023年牛津大学等机构发表研究，实验中发现经过仅5-10代递归训练，模型输出质量就会出现肉眼可见的退化75% 相似待验证研究额外引入六个被刻意削弱、能力明显更差的模型作为正向对照68% 相似待验证在大模型领域，先发优势正被削弱：模型能力每几个月就可能被追平甚至反超，用户迁移成本主要来自数据与工作流而非产品本身。65% 相似待验证Anthropic宣称的降四成是拿默认设置比较（新模型默认中档，上一代默认高档），相同档位下新模型思考更多，实际消耗未必更省65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/165887

API

curl https://kongchang.com/api/v1/knowledge/claims/165887

MCP

get_claim(id=165887)