已验证70% 置信事实精确时间
模型坍缩（Model Collapse）概念最早由牛津大学和剑桥大学研究团队在2023年论文《The Curse of Recursion: Training on Generated Data Makes Models Forget》中系统阐述
4
来源数
70%
置信度
长期有效
时效性
2026/8/11
首次发现
来源
相关事实
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73% 相似待验证'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71% 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71% 相似待验证模式坍缩是生成模型领域的经典难题，指模型对同一开放性问题反复给出高度雷同的答案66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/729464API
curl https://kongchang.com/api/v1/knowledge/claims/729464MCP
get_claim(id=729464)