MIT 新研究：训练数据越多，单张图片对生成结果越无足轻重

MIT_CSAIL · x · 2026-08-19

MIT CSAIL 的新研究发现一种称为归因衰减（attribution decay）的现象：生成模型训练数据越多，任何单条训练样本对特定输出的影响就越小。在大规模数据下，从训练集中删除任意单张图片、某位艺术家的全部作品、甚至某人的所有照片，生成结果往往都不会改变。

研究者的论证是：如果移除某条数据而输出不变，就无法说该数据对输出产生了影响，因此把生成结果归因于某条训练数据在逻辑上站不住脚。他们还观察到 AI 生成图像很难追溯到具体训练数据。这一结论对正在进行的 AI 版权诉讼、授权交易与监管提案提出了根本性问题——在大规模模型中，「这幅画是谁的作品」可能没有答案。