arXiv cs.LG· Joss Armstrong·· 2026-10-03AI 评分41
来源识别不等于适用性测试：探究合成数据归因的局限
Source Identification Is Not Fitness Testing: Measuring the Limits of Synthetic-Data Attribution
AI 导读
最新研究表明合成数据来源识别并不等同于训练适用性测试，仅凭数据溯源无法有效防止模型递归训练退化。在金融风险文本测试中，原始生成段落的模型归因准确率达 98.7%，但经复述改写后降至 53.1%，风格重写后进一步跌至 29.0%。在 3 轮生成与重新训练对比中，基于来源信息的筛选规则未能稳定减轻后续模型的退化。
来源：arXiv cs.LG · arxiv.org