Модель хорошо учится на синтетике, порождённой сильной моделью с проверкой. Без проверки вы размножаете ошибки.

Смешивайте синтетику с реальными примерами: чисто синтетический датасет даёт красивые метрики и хрупкую модель.

Дедупликация важнее объёма: десять уникальных примеров полезнее тысячи клонов.