待验证50% 置信事实精确时间

2023年发表的《The Curse of Recursion》等研究表明，当模型在自身生成的数据上反复训练时，数据分布会逐渐退化，多样性持续降低，最终导致模型能力系统性衰退（模型坍缩）

1

来源数

50%

置信度

长期有效

时效性

2026/8/25

首次发现

来源

后训练数据困境：数量还是质量？合成数据的边际效用递减

涉及实体

The Curse of Recursionconcept 模型坍缩concept

相关事实

待验证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74% 相似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72% 相似待验证MLOps的核心挑战在于模型漂移问题：随着现实数据分布随时间变化，模型预测准确率会逐渐下降72% 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72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/799917

API

curl https://kongchang.com/api/v1/knowledge/claims/799917

MCP

get_claim(id=799917)