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)
合成数据生成通过域随机化或域适应缩小仿真与现实的差距，从而缓解真机采集成本高、危险动作难采集的问题。
开发者明确表示这只是探索的第一步，他们真正关心的是这样的环境能否成为合成机器人演示数据的来源，包括为不同身体结构的机器人提供数据。
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。
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
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
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
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
评估与合成数据生成、模型蒸馏等场景高度重叠
全部知识事实 (8)
合成数据生成通过域随机化或域适应缩小仿真与现实的差距，从而缓解真机采集成本高、危险动作难采集的问题。
50%待验证开发者明确表示这只是探索的第一步，他们真正关心的是这样的环境能否成为合成机器人演示数据的来源，包括为不同身体结构的机器人提供数据。
50%待验证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。
50%待验证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
50%待验证合成数据生成借助GAN或扩散模型制造逼真的医学影像来扩充训练集
50%待验证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
50%待验证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
50%待验证评估与合成数据生成、模型蒸馏等场景高度重叠
50%