**HuggingFace论文:合成数据溯源无法替代训练质量评估** _Source Identification Is Not Fitness Testin
原帖
**HuggingFace论文:合成数据溯源无法替代训练质量评估**
_Source Identification Is Not Fitness Testing: Measuring the Limits of Synthetic-Data Attribution_
> 该研究指出,识别合成数据的来源(溯源)与评估其对模型训练的有效性是两个独立问题。实验显示,虽然原始生成文本的溯源准确率高达98.7%,但在经过改写后准确率骤降至29.0%。此外,基于溯源信息选择训练数据并未在递归训练过程中表现出比基于参考模型评分更稳定的优势,表明仅靠数据来源无法解决模型退化问题。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.00417)