当 AI 产出淹没训练语料：模型会不会在自己制造的数据上退化？

ThisFuzzBall078 · reddit · 2026-11-01

一位业余爱好者提出一个经典但持续升温的问题——合成数据反馈循环：LLM 靠学习人类样本进步，而随着 AI 输出越来越难以与人工作品区分，人类会越来越多地用 AI 产出填充互联网。当未来训练数据中 AI 生成内容占比不断升高，数据不再能代表模型试图模仿的人类样本分布，这是否会成为 AI 训练的真实困境？这正是学界关注的「模型自食」（model collapse）与数据污染议题的通俗版本，值得跟踪后续讨论。