据Ethan Mollick（@emollick）在X表示，网络上涌现的黄油南瓜图片潮可能使未来图像生成模型“南瓜化”，即对南瓜图像过拟合而削弱其他类别表现。根据斯坦福HAI与arXiv关于数据集污染与模型坍缩的研究报道，若训练数据被单一主题过度代表，生成模型会放大该偏差并损害多样性与泛化能力。根据The Verge与MIT Technology Review对业界从业者的采访报道，这会带来更高的推理重试成本、媒体与营销创意多样性下降，以及电商图像排序被扭曲。依据LAION与Common Crawl的实践经验报道，可行缓解包括源去重、按分布采样与基于分类器的样本重加权，以保持类别平衡并降低过拟合风险。