你是否曾考虑过生成一个10米高的人类，或者一个活了500年的人？听起来荒谬，对吧？然而，这正是当在没有适当约束的情况下构建合成数据集时发生的事情。

这里的陷阱在于：如果你不为你的数据范围设定现实的界限，最终会将它们定义得过于宽泛。结果是什么？你的训练集被充满了垃圾数据——那些在现实中根本不可能存在的极端案例。

然后你将所有这些噪声输入到你的AI模型中。结果：浪费计算资源，延长训练周期，以及模型从无效示例中学习模式，而不是有意义的数据。这就像用汽车和飞机的说明书混合在一起教人驾驶。

教训是什么？在为模型训练生成合成数据时，基于现实的硬性约束不仅仅是有帮助的——它们是至关重要的。首先定义什么是真正可能的。其他的都只是垃圾。