合成数据的监管边界：当 AI 训练 AI

合成数据的爆发

模型生成训练数据已是主流实践：蒸馏、增强、边缘案例补全。合成数据的比例在训练集中持续上升。

风险的讨论

模型崩塌（循环训练导致多样性退化）、事实污染（合成数据的错误被放大）、版权链条（合成数据的原始来源）。

监管的方向

训练数据来源的透明度要求、合成数据的标识要求。监管在追赶技术，合规成本在上升。