本研究探讨了合成数据对语言模型训练的负面影响，发现合成数据比例与模型性能呈负相关。提出通过标记编辑人类生成数据以获得半合成数据的方法，实验验证了该方法能提升数据质量和模型性能。

本文综述了利用合成图像训练对象检测与位姿估计模型的研究，涵盖叠加纹理模型、领域随机化、GraspGAN和半合成数据等方法，旨在缩小仿真与现实差距并减少真实标注需求。实验表明，合成数据可媲美甚至超越真实数据训练效果，并提升分割校准与异常检测能力。