it之家 6 月 14 日消息，it之家的小伙伴们可能都有设想过，如果用 ai 生成的结果来训练 ai，进行“套娃式训练”，能得到什么样的结果？目前还真有研究团队对此进行了观察记录，详细论文及得出的结果发表在了 arxiv 上。
一句话总结 —— “在训练中使用模型生成的内容，将导致后续生成的模型出现不可逆转的缺陷”，说人话就是研究人员发现“用 AI 生成的结果训练 AI，只会让模型变得越来越差”。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
▲ 图源 arXiv
据悉，研究人员专门研究了 AI 生成模型的概率分布，主要围绕“文本到文本”和“图像到图像”展开，最终得出结论：“由于每个模型生成的结果都具有一定的特点，因此用 AI 生成的模型训练 AI，随着时间的推移，后者会忘记真正的底层数据分布。”
▲ 图源 arXiv
论文的主要作者之一 Ilia Shumailov 同时表示“随着时间的推移，生成数据中的错误（IT之家注：例如虚假举例）会迫使 AI 进一步错误地感知现实，我们惊讶地观察到模型崩溃发生的速度相当快，模型可以迅速忘记他们最初从中学习的大部分原始数据。”
但小伙伴们可能会有所疑问，如果将 AI 生成的结果经过人工润色后再投入模型训练，是否可以避免模型“退化”？
答案是否定的，研究人员发现“模型退化过程是不可避免的”，因此即使对于“经过润色后理想化的 AI 输出内容”，模型在长期学习后，也会出现一定的退化现象。
对于任何大模型而言，由于其学习数据过多，它们都将不可避免地接触到其他 AI 生成的数据，因此研究人员表示“应当引入 AI 鉴定来挑出可能存在错误的学习数据”以提升模型的学习能力与准确性。
