河北
来源：滚动播报
（来源：中国航空报）
张佳欣
当AI不断用自己生成的数据“喂养”自己，它就可能逐渐失去准确性，最终输出越来越多错误信息，甚至“胡言乱语”。英国伦敦国王学院领导的研究团队发现，只需在训练过程中加入哪怕一条来自真实世界的数据，就能有效阻止这种被称为“模型崩塌”的现象。相关成果发表于新一期《物理评论快报》。
“模型崩塌”这一概念于2024年提出，指的是AI模型如果长期依赖自身生成的数据进行训练，模型性能会不断退化，最终输出失真内容。随着高质量人类文本数据逐渐接近枯竭，越来越多AI系统开始使用合成数据训练，这让模型崩塌风险进一步上升。
此次，团队通过分析一类被称为“指数族”的统计模型发现，在封闭循环训练（模型完全依赖自身生成数据学习）中，模型崩塌几乎不可避免。
研究显示，解决方法异常简单：只需在训练过程中加入一条来自外部世界的真实数据，哪怕其数量远远少于AI生成数据，也足以阻止模型性能持续退化，这种作用即使在机器生成数据数量无限增加时依然有效。
过去关于模型崩塌的研究多集中在大语言模型等复杂系统，由于其内部机制难以解释，错误来源也难以追踪，这也成为AI产生“幻觉”的原因之一。通过研究更简单的统计模型，科学家能够从数学上解释为何少量真实数据就能打破模型崩塌，从而为未来更复杂的AI系统提供设计原则。
（本文摘编自《科技日报》2026年5月16日4版）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
