合成数据溯源研究：来源识别不等于适用性测试

一项关于合成数据溯源的研究表明，数据来源识别与判断其是否适合模型训练是两个独立的问题。实验显示，生成来源归属准确率在原始文本上达 98.7%，但在意译和风格重写后分别降至 53.1% 与 29.0%。在 3 轮生成与重训练测试中，基于来源信息的样本筛选并未能有效减缓模型的退化。