通过模拟进行综合：通过可扩展的代理-系统交互生成一致的企业数据

arXiv:2610.10549v1 公告类型：新 摘要：工具调用代理已成为企业人工智能的核心，但由于企业系统、数据和数据库模式的业务和法律限制，大规模培训和评估它们仍然受到严重限制。表格数据合成提供了一种自然的替代方案，但其有效性从根本上受到结构有效性和模式可用性的限制，而基于过程的方法则产生相反的弱点，通常缺乏分布式保真度而无需按域创作。我们引入**通过模拟进行合成** (STS)，这是一种**无模式**数据合成范例，其中 LLM 代理通过在模拟企业环境中针对策略执行 API 执行操作来生成数据。由于数据是通过定义有效内容的相同环境生成的，因此 STS 通过构造保证结构有效性，同时将有效性执行与分布建模解耦，从而允许独立处理每个数据。 STS 的领域不可知代理 **Generalist Populator** (GP) 解决了分布式保真度和合成可扩展性方面的剩余挑战：GP 在所有十个环境中实现了 **0.88** 平均边际保真度和 **100\% 约束满足** *无需访问数据库模式*，而统计合成器由于必要的种子数据要求而不适用于七个环境，并且模式特权代理在航空公司的轨迹中失败了 82%由于任务组合脆弱，环境的工作流程紧密耦合。我们在 https://github.com/SAP/synthesis-through-simulation 上开源了完整的框架、所有十个环境以及生成的数据集。