§ 01综述

合成数据近期进展

合成数据，作为一种无需真实数据即可训练机器学习模型的数据类型，近年来在人工智能领域得到了广泛关注。它通过模拟真实数据生成过程，为模型训练提供了新的可能性。

ScratchSim：用于表面划痕检测的程序化合成数据管道

ScratchSim：用于表面划痕检测的程序化合成数据管道 —— 来自arXiv cs.AI，该研究提出了一种程序化合成数据管道，用于表面划痕检测。

凹版印刷缺陷检测的合成数据生成框架 —— 来自arXiv cs.LG，该框架旨在通过合成数据提高凹版印刷缺陷检测的准确性。

物理AI模拟技术现状综述 —— 来自Hugging Face: Blog，综述了物理AI模拟技术的最新进展。

苹果提出无环境合成数据生成方法，用于训练API调用智能体 —— 来自AK，苹果公司提出了一种无环境合成数据生成方法，以训练API调用智能体。

FedKT-CSD：单轮联邦学习中的协作合成数据知识迁移方法 —— 来自arXiv cs.AI，该方法旨在提高联邦学习中的合成数据知识迁移效率。

训练数据全用合成数据，结构因果模型生成数亿级数据集 —— 来自AI Will，结构因果模型能够生成数亿级的数据集，全部使用合成数据。

OpenAI 推出 GeneBench-Pro 基准，专注生物学计算能力评估 —— 来自IT之家，OpenAI推出的基准旨在评估生物学计算能力。

Meta 发布 AutoData：用 AI agent 动态构建合成训练数据 —— 来自elvis，Meta公司发布的AutoData利用AI agent动态构建合成训练数据。

BrReMark：结合ROI标注与合成数据增强的脑MRI异常检测与推理 —— 来自arXiv cs.AI，该研究结合ROI标注与合成数据增强，用于脑MRI异常检测与推理。

合成数据的发展正处于快速增长的阶段，其应用领域不断扩展。当前焦点在于如何提高合成数据的质量和多样性，以及如何将其有效地应用于不同的机器学习任务中。同时，合成数据的安全性和隐私保护也成为了一个重要的观察点。

§ 02相关报道10 条在档

§ 03邻近话题