已验证80% 置信事实精确时间
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
6
来源数
80%
置信度
长期有效
时效性
2026/9/1
首次发现
来源
涉及实体
相关事实
待验证当语言模型在自身或同类模型生成的数据上反复训练时，会出现系统性退化，模型输出多样性逐代降低，分布尾部信息逐渐丢失79% 相似待验证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78% 相似待验证不同AI模型在预训练数据分布和RLHF对齐策略上存在差异，导致对同一问题有不同的推理路径，因此换模型有时能解决单一模型反复失败的问题75% 相似已验证模型漂移是指生产环境中输入数据分布随时间变化导致模型预测质量下降75% 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74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/838835API
curl https://kongchang.com/api/v1/knowledge/claims/838835MCP
get_claim(id=838835)