已验证65% 置信事实精确时间
2023年牛津大学等机构研究表明，AI模型在含大量AI生成内容的数据上训练会丧失对数据分布尾部的捕捉能力，导致输出单一化和质量退化，即模型自噬
3
来源数
65%
置信度
长期有效
时效性
2026/8/31
首次发现
来源
涉及实体
相关事实
已验证AI编程工具中在AI评测中区分记忆与推理被视为理解模型真实能力边界的核心挑战，数据污染会使模型的推理本质上成为对训练数据的记忆复现78% 相似已验证AI诊断的质量高度依赖它能访问到的数据，一旦可观测性数据缺失、权限受限或工具接口不稳定，AI的输出质量会急剧下降78% 相似已验证AI生成的内容大量涌入互联网后会成为下一代模型的训练数据，形成自我强化的反馈循环，导致分布尾部逐渐消失78% 相似已验证如果底层数据混乱，AI模型会更快、更大规模地放大这些错误，即「垃圾进，垃圾出」在AI时代被进一步放大78% 相似已验证AI写作产生'AI味'的两大根源是训练数据偏差和AI缺乏真实的创作意图77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/830335API
curl https://kongchang.com/api/v1/knowledge/claims/830335MCP
get_claim(id=830335)