待验证50% 置信事实精确时间
研究表明在某些条件下（如训练数据中某段文本出现频率极高），模型可能逐字逐句地再现训练数据中的原始内容，Google DeepMind和加州大学伯克利分校的研究人员在2023年成功从ChatGPT中提取出了训练数据的原始片段
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/9
首次发现
有效期至：2026/12/8
来源
涉及实体
相关事实
待验证2023年谷歌DeepMind等机构的研究证实，模型的记忆化（Memorization）行为与训练数据的重复次数密切相关79% 相似待验证卡内基梅隆大学等机构研究证明大型扩散模型存在「训练数据记忆」现象，可在特定提示词下高度还原训练集中的版权图像72% 相似待验证主流基准测试题目在互联网上已被广泛讨论，模型训练数据中可能存在对题目的记忆，导致基准分数高估模型在真实未见任务上的能力71% 相似待验证指令微调（Instruction Tuning）阶段的训练数据包含大量创意写作、商务邮件模板和角色扮演对话样本，使模型掌握各种文体格式70% 相似待验证大语言模型的训练数据存在知识截止点(Knowledge Cutoff)，只掌握训练时间点之前的信息68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/885782API
curl https://kongchang.com/api/v1/knowledge/claims/885782MCP
get_claim(id=885782)