先了解这件事
AI 综述
2026年8月18日,MIT CSAIL研究团队报告称,大规模扩散模型的训练数据越多,单个训练样本对特定生成图像的影响越小,并将这一现象称为“归因衰减”。团队构建了无需重新训练即可精确移除样本影响的“扩散模型集成”架构,并在来自七个公开数据集、规模从256张到超过16万张图像的实验中观察到反幂律收缩趋势。相关开放获取论文发表于《Nature Communications》。
AI 根据公开报道生成
最新进展 · 正式报道
MIT 研究发现生成式 AI 图像往往无法追溯至具体训练数据事件进展
1 个已确认进展
- 来源：MIT News · Artificial Intelligence
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
8月19日
MIT News · Artificial Intelligence精选
MIT 研究发现生成式 AI 图像往往无法追溯至具体训练数据
MIT CSAIL 研究发现，生成模型的训练数据越多，单个样本对特定输出的影响越小，这一现象被称为“归因衰减”。团队构建“扩散模型集成”架构，无需重新训练即可精确移除样本影响，并在来自七个公开数据集、规模从 256 张到超过 160,000 张图像的实验中观察到反幂律收缩趋势。该开放获取论文发表于 Nature Communications。