Verified65% confidenceBenchmarkExact time
2024年研究表明即使AI生成内容仅占训练数据的10-20%，在多代训练后也足以引发可测量的质量退化
3
Sources
65%
Confidence
Long-term
Relevance
8/11/2026
First Seen
Sources
Related Claims
Unverified2023年牛津大学等机构发表研究，实验中发现经过仅5-10代递归训练，模型输出质量就会出现肉眼可见的退化80% similarUnverifiedScale AI在2024年的分析显示，部分模型在MMLU上的分数膨胀可能高达5-10个百分点，因测试集已泄露到训练数据中78% similarUnverifiedAI推理阶段单次耗电低，但因请求量以十亿次计，累计能耗可能超过训练本身74% similarVerified2024年普林斯顿大学研究表明，经过GEO优化的内容被AI引用的概率可提升40%以上74% similarUnverifiedAI在实验设计中采用8:2划分保留20%作为独立测试集，并在80%训练集上采用5折交叉验证以避免数据泄漏74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/729486API
curl https://kongchang.com/api/v1/knowledge/claims/729486MCP
get_claim(id=729486)