无模式合成企业数据，十个环境100%约束满足，性能飙升0.88！
Synthesis Through Simulation: Generating Coherent Enterprise Data via Scalable Agent-System Interaction
📖 AI 总结
本文提出了一种名为“通过模拟合成”（STS）的企业数据生成新范式，旨在解决工具调用智能体在训练与评估中因业务和法律限制而面临的数据稀缺问题。传统表格数据合成受限于结构有效性和模式可用性，而基于流程的方法则缺乏分布保真度。STS 采用无模式设计，让大语言模型智能体在模拟企业环境中针对策略执行 API 进行操作来生成数据，从而在构造上保证结构有效性，并将有效性约束与分布建模解耦。其核心组件“通用填充器”（GP）作为领域无关智能体，在全部十个环境中实现了平均边际保真度 0.88 和 100% 约束满足率，且无需访问数据库模式。相比之下，统计合成器因种子数据要求无法适用于其中七个环境，而具备模式权限的智能体在航空环境紧密耦合的工作流中因任务组合脆弱导致 82% 的轨迹失败。该研究开源了完整框架、十个环境及生成数据集，为企业级智能体训练数据的大规模合成提供了可行路径。
🔑 关键词速览
| Synthesis Through Simulation (STS) | 一种无模式的数据合成范式，通过LLM智能体在模拟企业环境中执行操作来生成数据，保证结构有效性。 |
| Generalist Populator (GP) | STS中领域无关的智能体，负责解决分布保真度和合成可扩展性问题。 |
| Schema-free | 指数据合成过程不需要预先定义数据库模式，从而避免模式可用性限制。 |
| Marginal fidelity | 衡量合成数据分布与真实数据分布之间相似度的指标，值越高表示保真度越好。 |
| Constraint satisfaction | 指生成的数据满足所有预定义约束条件的比例，100%表示完全满足。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅