合成数据（概念）edit
解释用于训练、评估或隐私友好协作的生成数据。
合成数据 指被用来替代、补充或代理真实数据的生成样本。在机器学习中，合成数据可以扩大覆盖面、降低标注成本、保护隐私，或在真实数据稀缺时支持评估；但如果缺乏真实数据锚点并被递归复用，也会引入失效模式。
在本 wiki 中的作用edit
本页提供狭义概念定义；合成数据 专题页则覆盖乔鑫宝的完整研究簇。这个区分有用：作为工具的合成数据可能有益，而递归合成数据训练是一种具有独立风险的过程。读者可以从本页进入模型坍缩研究线。
与乔鑫宝工作的关系edit
乔鑫宝的 ICML 2026 工作研究选择偏差和数据孤岛条件下的合成数据。核心问题并非数据是否由模型生成，而是生成数据是否嵌入了重复训练循环。当每一代都从前一代有偏选择的输出中学习时，合成分布可能偏离原始分布。该项目连接 数据选择、模型坍缩 和 协作评估。