要分析生成式对抗网络（GANs）的相关叙述，我们可以先了解下每个选项的特征：

A: **训练不稳定、梯度消失**
- **正确**。GANs 的训练过程确实可能存在不稳定性，包括梯度消失问题。由于生成网络和判别网络的相互影响，训练过程中可能会出现模式崩溃或震荡。

B: **可以产生清晰且真实的样本**
- **部分正确**。GANs 确实有能力生成非常逼真的样本，尤其是在图像生成任务中。然而，生成的效果依赖于模型的设计和训练过程，在一些情况下可能不会达到非常清晰、真实的效果。

C: **广泛应用于监督式学习领域**
- **错误**。GANs 主要用于生成相关的任务，属于无监督学习或半监督学习的范畴，而非广泛应用于监督式学习领域。监督式学习通常需要由标注的数据进行训练，而 GANs 则在没有明确标签的情况下生成新样本。

D: **由一个生成网络与一个判别网络组成**
- **正确**。GANs 的核心结构就是由一个生成网络（Generator）和一个判别网络（Discriminator）组成，通过博弈论的方式相互对抗进行训练。

综上所述，选项 C 是错误的。GANs 并不是广泛应用于监督式学习领域，而是更多用于生成和生成对抗的无监督学习任务。