新研究：合成数据持续累积时，模型崩溃并不会发生

MGerstgrasser、Rylan Schaeffer 等人的新研究显示，当数据持续累积（accumulating pool）时，被广泛担忧的 model collapse 并不会发生。即使在最坏情况下，不加入任何新的真实数据、模型只在原始数据加不断累积的合成数据池上训练，性能依然保持稳定，这为合成数据在数据受限预训练中的可用性提供了实证。