已验证65% 置信事实精确时间
模型崩溃过程中模型会依次经历输出多样性降低、少数类别和边缘知识丢失，最终产生无意义或高度重复的输出
3
来源数
65%
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）80% 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76% 相似待验证大模型在信息不足时生成的内容往往会跑偏，上下文越贫乏输出质量越差74% 相似待验证「降质」现象指模型在用户持续使用一段时间后响应质量出现下滑，如代码逻辑松散、注释减少、对复杂需求理解能力减弱74% 相似待验证当模型超出显存容量时，系统被迫在显存与系统内存之间反复搬运数据，导致灾难性性能下降74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/840524API
curl https://kongchang.com/api/v1/knowledge/claims/840524MCP
get_claim(id=840524)