待验证85% 置信事实时间未知

当生成模型反复在自身生成的数据上训练时，输出分布会逐渐退化，低概率事件被系统性遗忘

1

来源数

85%

置信度

长期有效

时效性

2026/6/3

首次发现

来源

GPT-5.6首轮曝光：自训练循环如何让OpenAI三周一迭代

bilibili不会写报告的Ai菌

涉及实体

Model Collapseconcept

相关事实

待验证检测模型的训练数据永远落后于最新生成技术的输出分布，学术界称之为「分布偏移」问题81% 相似待验证训练数据中的重复内容会导致模型记忆化和性能下降77% 相似待验证文生图模型的理解本质上是大规模统计关联，面对训练集中稀少出现的长尾概念时生成质量会显著下滑77% 相似待验证当训练数据存在过度自信的分布偏移时，修复应发生在推理时的中间件层而非等待下一轮模型训练76% 相似待验证数据漂移（Data Drift）指线上真实数据的统计特性偏离训练集时，模型性能在无报错情况下持续下滑76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/39213

API

curl https://kongchang.com/api/v1/knowledge/claims/39213

MCP

get_claim(id=39213)