斯坦福大学和加州大学伯克利分校的研究人员进行了一项实验，探索让AI图像生成模型使用自己生成的图像进行再训练的后果。实验使用了Stable Diffusion（SD）模型，并从FFHQ人脸数据集中选取了高质量人脸图像进行自动生成。结果显示，AI模型在经过再训练后，产生了高度扭曲的图像，这种扭曲不仅源自用于再训练的文本提示，即使之后仅使用真实图像进行再训练，模型也难以完全恢复。实验发现，生成图像的质量急剧下降，即使再训练数据集中自生成图像的比例低至3%，模型崩溃的现象依然存在。研究揭示了AI系统对数据“污染”的高度敏感性，强调了AI生成内容处理和数据集管理的潜在风险与挑战。