模型坍缩

模型坍缩（Model Collapse）是指AI模型在由AI生成的数据上训练后性能退化的现象。随着互联网上的真实数据被AI生成内容淹没，这一问题日益严重。

解决方案

"累积+抽样"策略

模型在训练时不仅使用最新的合成数据，还保留一定比例的高权重历史人类数据。

动态熵过滤

剔除低质量的生成样本，确保训练数据的质量。

研究验证

2026年2月发表在Nature上的研究证明，采用上述策略后，模型不仅不会坍缩，反而能在某些任务上超越单纯的人类数据集。

数据来源溯源

业界开始达成共识：未来最有价值的资产不再是算力，而是[[数据来源溯源]]。具备清晰人类来源标识（Human-Authored）的数据价格在2026年2月上涨了300%。

相关页面

• [[数据来源溯源]] — 核心解决方案
• [[物理ai]] — 数据质量对Physical AI的影响