GLOSSARY
合成数据
人工生成的训练数据——当真实数据稀缺、涉隐私或昂贵时，用模型输出或仿真来顶替真实记录。
合成数据的范围从完全仿真的传感器日志，到日渐常见的“用一个 LLM 的输出训练另一个”（数据集规模的蒸馏）。它绕开隐私约束、填补真实采集覆盖不到的长尾场景，成本只有人工标注的零头。前沿实验室公开用合成推理轨迹训练最新模型——这已是标准做法而非奇招。
已知的失败模式是模型坍缩：逐代在自己的输出上训练会逐渐失去多样性并漂移。可行规则——把合成数据与新鲜人类数据混合、用评测验证、绝不把回路完全闭在模型自己的产物上。