数据墙：为什么合成数据只能争取时间，却买不来准确率

📋总体概括

文章指出大模型训练正遭遇「数据墙」：开放互联网上的高质量人类文本存量有限，最大模型已读尽大部分，而业界以模型自产的合成数据填补缺口只能短期奏效。合成数据让模型模仿自身倒影，长期会放大误差、损害多样性。作者认为合成数据能争取时间，但换不来精度，真正的出路在于高质量数据工程、检索与人类反馈等手段，而非简单堆更多生成文本。