English(EN) Generating a Consistent Enterprise: Synthesis and Reference-Free Evaluation of Multi-System Business Data

新AI生成器创建逼真的虚构企业数据

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-12 04:00

研究人员开发了一种新颖的生成器，能够创建完全虚构但一致的企业数据，包括员工、客户群、销售和支持互动。该系统无需依赖任何真实世界数据集即可运行，而是从引用的统计数据中构建逼真度，并采用严格的无参考评估方法。该生成器在逼真度得分方面取得了显著进步，在23家生成公司中平均得分从60.3提高到99.1，其对抗性检测器现在不再标记合成记录。第二个生成器专注于根据业务问题创建关系数据库，确保数据完整性和可控的接近错误。 AI

影响能够为业务背景下的AI模型训练和测试创建逼真的合成数据集。

排序理由该项目描述了一篇研究论文，其中详细介绍了一种生成合成数据的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目描述了一篇研究论文，其中详细介绍了一种生成合成数据的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Benjamin Gruenbaum, Doron Porat, Assaf Natanzon, Roy Zavida, Chen Dinachi, Or Itzahary, Omer Niv · 2026-09-12 04:00

生成一致性企业：多系统业务数据的综合与无参考评估

arXiv:2609.11286v1 Announce Type: new Abstract: Synthetic relational data is normally produced by a model trained on a real dataset, and its quality is measured as the distance to that dataset. This paper describes a generator that has no real dataset at either end. Given an indu…

本文如何被排名

报道来源 [1]

生成一致性企业：多系统业务数据的综合与无参考评估

相关实体

相关话题