goodside 引论文：数据累积而非替换，模型崩溃本就不会发生

goodside 引用 arXiv 论文 2404.01413，认为模型崩溃并非数据反馈回路的必然结果。斯坦福、MIT 等机构作者发现，若训练时同时保留真实数据与各代合成数据并持续累积，而非以新数据替换旧数据，模型可避免崩溃，且结论适用于多种模型规模、架构和超参数。