合成数据溯源研究：改写后来源识别准确率骤降

2026年10月，一项合成数据溯源研究披露：在金融风险文本上，原始生成段落的生成器归属准确率可达98.7%；经改写后降至53.1%，经风格重写后仅剩29.0%，即文本一旦被改写，溯源能力大幅衰减。研究还进行了三轮“生成—重训”实验，比较两种选样规则：一是基于来源信息选样，二是基于独立参考模型打分选样。两种规则选出的样本并不相同，但未检测到模型退化的稳定差异。研究由此得出结论：识别数据来源与识别数据是否有用是两个相互独立的问题，溯源分数不足以预测递归训练中的模型行为。该研究未给出改写后识别率骤降的具体原因。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。