--- title: "Colapso de modelos" description: "Colapso de modelos é a degradação estudada no treinamento recursivo com dados gerados. Não equivale a erro isolado ou a todo uso de dados sintéticos." canonical: "https://tropk.ai/recursos/glossario/colapso-de-modelos" last_modified: "2026-10-12T16:09:31.955Z" --- # Colapso de modelos Revisado em 2026-10-07. ## O que significa Colapso de modelos é um processo de degradação entre gerações de modelos generativos quando seus resultados passam a alimentar o treinamento das gerações seguintes. A pesquisa descreve perda progressiva de informação sobre a distribuição original, incluindo casos menos frequentes. O problema envolve como os dados são selecionados e reutilizados, não apenas a presença de um texto produzido por IA. ## Por que importa para marketing Para marketing, o conceito ajuda a entender por que quantidade de conteúdo não substitui informação verificável. Um acervo formado por reescritas de reescritas pode empobrecer a diversidade de referências. Isso não permite diagnosticar o treinamento de um assistente comercial pela resposta recebida; a equipe conhece seu próprio acervo e suas fontes, mas normalmente não observa os dados internos do fornecedor. ## Exemplo na prática Imagine uma organização que prepara um modelo generativo para responder a dúvidas de clientes. A cada atualização, substitui respostas documentadas por exemplos produzidos pela versão anterior. A equipe percebe que situações raras de entrega desaparecem da amostra e revisa a composição dos dados. Preserva respostas documentadas dessas situações e testa o desempenho, sem chamar uma resposta incorreta de colapso comprovado. ## Como aplicar ou verificar Em projetos sob seu controle, registre origem, proporção e critérios de seleção dos dados gerados e dos dados reais. Mantenha avaliações independentes com casos comuns e menos frequentes. Compare gerações sob condições declaradas e investigue perdas de cobertura. Ao avaliar um fornecedor externo, solicite informações documentadas sobre qualidade e procedência, sem atribuir um mecanismo de treinamento a partir de sintomas isolados. ## Distinções importantes Colapso difere de alucinação pontual, conteúdo desatualizado e contaminação deliberada de uma base. [Dados sintéticos](/recursos/glossario/dados-sinteticos) não são necessariamente inúteis: curadoria, mistura e protocolo de treinamento importam. Os estudos delimitam condições específicas de reutilização recursiva e erros acumulados. O conceito descreve um risco técnico de formação de modelos, não uma previsão inevitável sobre toda ferramenta nem um indicador trimestral de visibilidade. ## Fontes e referências - [AI models collapse when trained on recursively generated data]() — Nature ## Continue a leitura - [AI slop]() - [Cadeia circular de fontes]() - [Dados sintéticos]() ## Sobre o autor [Vinicius Pacheco]() Responsável pelos conteúdos técnicos da Tropk, com foco em rastreamento, indexação, dados estruturados e acesso de agentes ao conteúdo. --- [Todas as páginas em Markdown]()