Unverified90% confidenceFactTime unknown
Shumailov等人2024年在Nature上发表的研究证实，即使低至千分之一的合成数据污染也能引发词汇、句法和语义多样性的可测量退化
1
Sources
90%
Confidence
Long-term
Relevance
5/31/2026
First Seen
Sources
合成数据是解药还是毒药？AI训练数据枯竭的破局之道
bilibili老傅1024
Related Entities
Related Claims
Unverified基准过拟合和数据污染会导致模型通过记忆而非真正理解获得高分，使公开基准分数可信度存疑67% similarUnverified斯坦福大学研究者测试多个主流模型发现，措辞中性的医疗、法律或安全研究类查询也会因触发关键词匹配而被错误拒绝64% similarUnverified若生成算法或源数据带有偏见，合成数据可能成倍放大这些问题，在医疗诊断、信贷决策等高风险场景引发严重后果62% similarUnverified2023年研究人员已证明可以通过向量数据库中的污染数据劫持RAG系统的行为61% similarVerified大语言模型存在幻觉问题，可能编造不存在的参考文献、虚构实验数据或给出错误的统计数值61% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/9801API
curl https://kongchang.com/api/v1/knowledge/claims/9801MCP
get_claim(id=9801)