1. 牛津大学研究团队在《自然》杂志上发表的研究报告指出生成式在连续利用自身生成的数据实行训练时可能存在遭遇“模型崩溃”现象。这类现象表现为输出答案的优劣迅速下降，从第二次查询开始出现偏差，到第五次查询时优劣明显减少最引发输出的内容变得无意义。

2. 报告中提到，模型崩溃首先作用的是代表性不足的数据，然后是输出的多样性，最致使整体数据表现的恶化。这类情况可能带来严重的影响，如误导决策、减少信息优劣等。

3. 为了验证模型崩溃的存在，研究人员采用了一个预训练的驱动的 ，让实小编基于自身生成的内容实更新。随着受污染数据的累积，原本的训练集被侵蚀，输出的信息优劣也随之下降。

4. 报告还指出，崩溃现象在实际应用中已经出现，例如有市民在房产挂牌后接到大量电话甚至有诈骗分子利用模仿受害者家属的声音实行勒索。这些案例表明崩溃现象可能对个人生活产生严重作用。