Unverified60% confidenceFactExact time
模型崩溃过程中模型会依次经历输出多样性降低、少数类别和边缘知识丢失，最终产生无意义或高度重复的输出
2
Sources
60%
Confidence
Long-term
Relevance
9/1/2026
First Seen
Sources
Related Entities
Related Claims
Unverified2023年发表的《The Curse of Recursion》等研究表明，当模型在自身生成的数据上反复训练时，数据分布会逐渐退化，多样性持续降低，最终导致模型能力系统性衰退（模型坍缩）80% 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76% similarUnverified当模型超出显存容量时，系统被迫在显存与系统内存之间反复搬运数据，导致灾难性性能下降74% similarUnverified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73% similarUnverified扩散模型在生成时会倾向于模式坍缩（mode collapse），即在缺乏具体约束时输出分布集中在训练数据中出现频率最高的视觉模式上73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/840524API
curl https://kongchang.com/api/v1/knowledge/claims/840524MCP
get_claim(id=840524)