arXiv · Machine Learning Theory· Joss Armstrong·2026-10-02 12:00· 4 小时前精选AI 评分62

Source Identification Is Not Fitness Testing: Measuring the Limits of Synthetic-Data Attribution

AI 导读

该研究测试了合成数据溯源在重复训练中的可靠性与筛选价值。以金融风险文本为素材，原始生成文本的生成器归属准确率达 98.7%，改写后降至 53.1%（释义）和 29.0%（风格改写），生成与人类检测仍接近完美。

推荐理由

原文用金融风险文本实验表明溯源准确率随改写大幅下降，且溯源与选择有用训练数据是两个不同问题。