요약

AI 모델이 생성한 합성 데이터가 학습에 반복적으로 사용될 때 발생하는 '모델 붕괴(Model Collapse)' 현상과 그 위험성을 다룹니다. 실제 데이터와 합성 데이터의 축적 과정에서 나타나는 재귀적 문제와 이를 극복하기 위한 연구적 관점을 제시합니다.

핵심 포인트

• 합성 데이터의 반복 학습으로 인한 모델 성능 저하 현상 설명
• 모델 붕괴가 발생하는 재귀적 메커니즘 분석
• 실제 데이터와 합성 데이터 간의 균형 유지 필요성