待验证50% 置信事实精确时间

用失真仿真数据训练的AI模型在真实部署时往往出现仿真到现实（Sim-to-Real）的迁移失败问题

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

用AI智能体准备3D场景：物理AI仿真的新范式

涉及实体

Sim-to-Realconcept

相关事实

待验证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73% 相似已验证AI本质上是基于已有数据的模式复现，面对训练数据中未曾出现的问题类型时能力受限73% 相似待验证确保AI模型训练数据中包含足够比例的真实人类原创内容已成为大模型开发中的关键课题，可避免模型自噬问题72% 相似待验证AI Agent的过度生成问题与模型训练数据中的偏差有关，模型倾向于生成完整的解决方案即使任务只需要局部修改72% 相似待验证当前AI模型在面对真实生活中高度依赖语境的非字面表达时仍然频繁出错72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/928049

API

curl https://kongchang.com/api/v1/knowledge/claims/928049

MCP

get_claim(id=928049)