Unverified85% confidenceFactTime unknown
当生成模型反复在自身生成的数据上训练时，输出分布会逐渐退化，低概率事件被系统性遗忘
1
Sources
85%
Confidence
Long-term
Relevance
6/3/2026
First Seen
Sources
GPT-5.6首轮曝光：自训练循环如何让OpenAI三周一迭代
bilibili不会写报告的Ai菌
Related Entities
Related Claims
Unverified检测模型的训练数据永远落后于最新生成技术的输出分布，学术界称之为「分布偏移」问题81% similarUnverified训练数据中的重复内容会导致模型记忆化和性能下降77% similarUnverified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77% similarUnverified当训练数据存在过度自信的分布偏移时，修复应发生在推理时的中间件层而非等待下一轮模型训练76% similarUnverified数据漂移（Data Drift）指线上真实数据的统计特性偏离训练集时，模型性能在无报错情况下持续下滑76% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/39213API
curl https://kongchang.com/api/v1/knowledge/claims/39213MCP
get_claim(id=39213)