概念SDG / Synthetic Data Generation
合成数据生成
通过算法或模型生成用于训练AI系统的人工数据的技术，用于解决真实数据采集成本高、隐私受限、覆盖不足等问题，是大模型训练的重要数据来源补充手段。
时间轴 (近 90 天)
10月17日
合成数据生成是整条管线中风险最高的变换，因为它把模型生成的内容当作ground truth注入，却常以零血缘追踪方式运行。
待验证50%
10月8日
合成数据生成借助GAN或扩散模型制造逼真的医学影像来扩充训练集
待验证50%
10月8日
合成数据的分布偏差可能引入新的风险，联邦学习在通信效率和模型收敛上仍有挑战
待验证50%
8月31日
评估与合成数据生成、模型蒸馏等场景高度重叠，都属于非终端用户的Token开销
待验证50%
8月31日
评估与合成数据生成、模型蒸馏等场景高度重叠，团队用大模型批量生成测试用例和评估数据集也属于非终端用户的Token开销
待验证50%
8月31日
评估与合成数据生成、模型蒸馏等场景高度重叠
待验证50%