待验证50% 置信事实精确时间

直接提示LLM或基于使用场景条件约束的数据生成方式产出的数据缺乏多样性，容易坍缩到少数几个主导模式

1

来源数

50%

置信度

长期有效

时效性

2026/10/1

首次发现

来源

GFlowNet突破模式坍缩：生成多样化专家对话合成数据

涉及实体

LLMtechnology Mode Collapseconcept

相关事实

待验证合成数据可能出现模式坍塌导致多样性不足、遗漏尾部分布中稀有模式、在高维数据中引入不真实相关性等质量问题72% 相似待验证当LLM自动化地理分析流程时通常无从感知输入数据背后的空间划分方式，导致MAUP引入的系统性偏差在推理链条中被默默继承70% 相似待验证缺失数据（missing data）的缺失模式往往不是随机的而是系统性的，忽略它们会导致严重的推断偏差69% 相似待验证LLM存在位置偏差（Positional Bias），倾向于更关注输入序列的开头和结尾，中间部分信息容易被遗忘69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/963980

API

curl https://kongchang.com/api/v1/knowledge/claims/963980

MCP

get_claim(id=963980)