合成数据（概念）编辑
用于训练、评估与协作的生成数据。
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。
研究背景编辑
合成数据可以用于数据增强等应用，而递归复用会引入额外风险。乔鑫宝的 合成数据研究 关注这些风险如何受到样本选择与真实数据访问条件的影响。
与乔鑫宝工作的关系编辑
乔鑫宝的 ICML 2026 工作研究选择偏差、低资源验证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，低资源社区尤其容易遭遇尾部模式损失。该项目连接 数据选择、模型坍缩 和 协作评估。