English(EN) Epidemiology of Model Collapse: Modeling Synthetic Data Contamination via Bilayer SIR Dynamics

新模型追踪AI模型因合成数据污染而崩溃

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-05 04:00

研究人员开发了一种新的流行病学模型，以理解合成数据污染如何降级AI模型。他们的双层SIR/SIRS框架将AI模型和数据语料库视为相互作用的种群，识别关键的传播动力学。该模型表明，当前AI文本的普遍存在可能导致超临界污染，强调了基于检测的过滤和群体免疫策略的重要性。 AI

影响提供了一个理解和减轻合成数据对AI模型质量负面影响的框架。

排序理由该集群包含一篇详细介绍AI合成数据污染新流行病学模型的论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Xiangyu Wang · 2026-06-05 04:00

模型崩溃的流行病学：通过双层SIR动力学模拟合成数据污染

arXiv:2606.05168v1 Announce Type: new Abstract: Training on synthetic data causes model collapse, but existing analyses treat this as single-chain degradation. In reality, the AI ecosystem involves cross-contamination: models ingest synthetic data from other models, produce new s…