训练前检测语料中的合成数据污染

SynthSentry无需生成模型、历史或标签，以三类统计量的分布偏差筛查语料。

推荐理由：它把模型坍塌治理前移到训练前的数据准入环节，并做到模型无关、无合成标签；若跨领域稳健，可成为大规模语料清洗的关键质量信号。