当人类的高质量思想被 AI 训练吞噬殆尽,模型面临着“近亲繁殖”导致的崩溃风险。Lena 与 Eli 将深度拆解合成数据、推理时计算等前沿路径,带你寻找数据荒漠后的下一条智能增长曲线。

这种‘高质量文本荒’正迫使整个行业重新审视那个曾经坚不可摧的Scaling Laws:如果燃料烧光了,火箭还能继续飞吗?这不仅仅是技术参数的微调,而是关乎AI进化是否会陷入停滞的根本性危机。
深度探讨当 AI 训练所需的互联网高质量文本数据耗尽后,模型能力是否会陷入停滞。分析 Scaling Laws 的延续性、合成数据的潜在风险(套娃效应)以及未来的技术突破方向(如推理时计算、物理世界数据)。







模型坍塌被形象地比喻为AI的一种“遗传病”或“近亲繁殖”现象。当大语言模型在训练时不再接触新鲜的人类原创数据,而是反复读取由上一代AI生成的合成数据时,就会发生这种现象。从信息论的角度看,每一次迭代都是有损的信息变换,会导致互信息量指数级衰减。最终,模型会逐渐忘记稀有的边缘案例,变得平庸、单调,甚至出现语无伦次和知识长尾彻底消失的“痴呆”状态。
合成数据并非完全不可用,关键在于使用策略。脚本指出,纯合成数据训练会导致模型崩溃,但如果采取“混合累积”策略,将合成数据与原始的人类真实数据按比例混合,模型依然可以保持稳定。研究发现,只要训练集中保留超过70%的人类原始输入,或者通过强化学习引入人类反馈(RLHF)作为外部的低熵源,就能有效补偿信息损失,打破熵增的死循环。
推理时计算(Inference-time Scaling)是指将计算资源从训练阶段重新分配到推理阶段。与其单纯追求更大的参数量或更多的预训练数据,不如给模型更多的“思考时间”。通过引入树搜索算法(Tree Search)或优化采样策略,小尺寸模型在处理复杂任务(如数学竞赛)时,其表现甚至能超过比它大数倍的模型。这种方式利用现有权重进行深层信息挖掘,开启了AI进化的第二增长曲线。
开发者应实现从“粗放消耗”向“精准萃取”的范式转移。首先,应停止对Token数量的盲目追求,转而利用高质量分类器进行“数据分桶”,优先保证高价值数据的覆盖。其次,在垂直领域建议采用“小模型+强化学习+搜索算法”的组合。最后,对于具身智能(机器人)开发,应极度重视数据的“多样性”而非单纯的数量,因为在不同场景中采集少量演示的效果,远好于在单一场景中进行大量重复训练。
Создано выпускниками Колумбийского университета в Сан-Франциско
"Instead of endless scrolling, I just hit play on BeFreed. It saves me so much time."
"I never knew where to start with nonfiction—BeFreed’s book lists turned into podcasts gave me a clear path."
"Perfect balance between learning and entertainment. Finished ‘Thinking, Fast and Slow’ on my commute this week."
"Crazy how much I learned while walking the dog. BeFreed = small habits → big gains."
"Reading used to feel like a chore. Now it’s just part of my lifestyle."
"Feels effortless compared to reading. I’ve finished 6 books this month already."
"BeFreed turned my guilty doomscrolling into something that feels productive and inspiring."
"BeFreed turned my commute into learning time. 20-min podcasts are perfect for finishing books I never had time for."
"BeFreed replaced my podcast queue. Imagine Spotify for books — that’s it. 🙌"
"It is great for me to learn something from the book without reading it."
"The themed book list podcasts help me connect ideas across authors—like a guided audio journey."
"Makes me feel smarter every time before going to work"
Создано выпускниками Колумбийского университета в Сан-Франциско
