免训练合成数据流水线 GENSCRIPT
原文标题：Synthesis Without Training: An Inference-Only Pipeline for Tabular, Temporal, and Relational Synthetic Data
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 GENSCRIPT，一种仅推理的合成数据流水线，无需训练生成模型。它计算源数据的确定性统计画像，交由语言模型推断字段语义与跨列完整性约束，再由编码智能体编译为可审计采样器。该方法统一支持单表、时序与关系型数据，2 分钟构建生成器、6 秒采样 5 万行，并在多个基准上保持接近领先方法的保真度。
- 问题
- 合成数据生成依赖逐数据集训练生成模型，且模态割裂、不透明。
- 方法
- 仅推理流水线：统计画像交给语言模型推断语义与完整性约束，编码智能体编译为可审计采样器。
- 结果
- 2分钟构建生成器、6秒采样5万行，四个单表基准上保真度接近领先方法，Adult数据集列间1对1映射完美保持。
- 影响
- 免训练、跨模态、可审计，能显著降低企业合成数据落地成本与合规风险。
深读 · 结论先行AI 生成展开看要点与影响 ↓
免训练流水线GENSCRIPT：2分钟建生成器、6秒采样5万行
- •仅推理流水线，不训练生成模型，计算源数据确定性统计画像后交由语言模型推断字段语义与跨列约束
- •编码智能体将画像与约束编译为可审计采样器，统一支持单表、时序与关系型数据
- •四个单表基准上，2分钟构建生成器、6秒采样5万行，边际保真度与领先方法仅差几个点
- •是唯一在Adult数据集上完美保持列间1对1映射的方法
- •在智能建筑数据集上生成的条件时间序列表现更优
为什么重要：绕开每数据集重新训练与模态专用建模，且采样器可审计，对隐私敏感场景下的合成数据落地有实际吸引力。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。