标签
ReGeN是一个参考引导的生成流水线，用于多元时间序列数据。它将观测序列分解为周期性骨干、随机残差和跨变量依赖关系，以合成可控的合成数据。结果表明，生成的数据可以替代真实数据用于预测任务，且性能优于以往的合成数据生成器。
GenesisFunc是一个自动化多智能体管道，用于为LLM中的函数调用生成高质量、多样化的合成训练数据。在此数据上微调一个8B模型，可以在领域内和跨领域性能上取得强劲表现，与某些基于API的模型相媲美。
本文介绍了TabKG，一个知识图谱引导的框架，用于生成逻辑一致的合成供应链表格数据。它使用LLM集成发现操作依赖关系，并利用潜在扩散模型生成独立列，在保持统计保真度的同时实现高逻辑一致性。
Hugging Face 分享了幻灯片，详细介绍了他们如何生成1万亿个token的合成数据来训练基础模型。
本文提出了多阶段飞行中拒绝（MSIFR），一种无需训练的框架，通过在中间检查点检测并终止低质量生成轨迹来减少基于LLM的合成数据生成中的令牌浪费。在五个模型和七个基准测试中，MSIFR作为独立方法可减少11%-77%的令牌消耗，与早期退出方法结合时最多减少78.2%，同时保持或提升准确率。
Abliteration 推出了一种按需定制的合成训练数据工作流，可为分类器生成负样本、罕见样本和对抗性样本，包含模式、真实世界事实、标签、来源追溯，并支持导出到 Hugging Face 等平台。