待验证50% 置信事实精确时间
研究表明，用低质量或机器生成文本训练的模型在语言多样性、推理准确性上会出现明显退化，即'模型坍塌'（model collapse）效应
1
来源数
50%
置信度
长期有效
时效性
2026/9/24
首次发现
来源
涉及实体
相关事实
已验证困惑度衡量语言模型对测试文本的预测能力，数值越低表示模型越不惊讶于看到这些文本79% 相似待验证主流扩散模型的文字生成依赖CLIP等视觉-语言预训练模型，其训练数据以英文为主，导致中文字符生成困难77% 相似待验证当大语言模型用其他AI生成的文本进行训练时，输出内容的可读性会下降77% 相似待验证代码混用（code-mixing）现象会对现有预训练语言模型造成显著的性能退化77% 相似待验证Perez et al.的《Discovering Language Model Behaviors with Model-Written Evaluations》证实经过RLHF训练的模型普遍存在谄媚倾向75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/947722API
curl https://kongchang.com/api/v1/knowledge/claims/947722MCP
get_claim(id=947722)