synthetic data
概念词 📚 基础词库 · 存量热词合成数据
🔍 Google 联想 10 📅 首次出现 2026-08-28
🧠 synthetic data 是什么
合成数据(Synthetic Data)指通过算法、模拟或生成模型(而非真实世界采集)创造的数据。它可以按需控制数据分布与规模,且不包含真实个人信息,天然规避许多隐私合规问题。
在 AI 领域,合成数据被用于提升模型鲁棒性(如自动驾驶的模拟场景)、补充稀缺标注数据、以及在对齐流程中生成偏好数据。不少大模型厂商用强模型合成指令数据来训练更小的模型。
风险同样存在:合成数据可能放大原始数据中的偏差,长期用模型自己的输出训练自己可能导致「模型坍塌」(Model Collapse)。因此合成数据通常需要配合质量过滤与人工审查使用。
🔥 为什么现在火
高质量真实数据日益稀缺,合成数据被视为大模型继续进步的「数据发动机」,同时其偏差放大风险也引发了学界(如 Nature 研究)的关注。
📄 证据链(交叉验证)
🔍 搜索形态
what is synthetic data synthetic data generation synthetic data in AI synthetic data meaning
synthetic data 常见问题 FAQ
合成数据能替代真实数据吗?+
不能完全替代,但可以补充稀缺场景、降低采集成本;过度依赖合成数据可能带来偏差放大与模型退化风险。
合成数据在 LLM 训练中怎么用?+
常用于生成指令微调数据、人类偏好对、数学推理题等,如 WizardLM 等模型就是用更强模型合成训练数据训练的。
与 synthetic data 相关的搜索
人们搜索 synthetic data 时,还会关心这些问题:
- synthetic data 是什么
- 什么是 synthetic data
- synthetic data 是什么意思
- synthetic data 原理
- synthetic data 有什么用
- synthetic data 应用场景
- synthetic data 为什么火
- synthetic data 2026