SAP发布STS框架：基于模拟生成企业级数据的新范式

摘要：SAP推出了一种名为Synthesis Through Simulation (STS)的新数据生成框架，旨在解决企业AI训练和评估中数据获取受限的问题。该框架通过在模拟的企业环境中使用大语言模型（LLM）生成符合业务规则的数据，避免了传统数据合成方法中常见的结构有效性和分布保真度问题。STS无需依赖数据库模式即可实现高保真数据生成，并在十个不同环境中实现了0.88的平均边际保真度和100%的约束满足率。

---

核心突破

SAP推出的Synthesis Through Simulation (STS)框架通过模拟企业环境生成数据，为企业AI训练和评估提供了新的解决方案。传统的数据合成方法面临结构有效性和分布保真度问题，而STS通过以下创新解决了这些挑战：

1. 无模式数据生成：STS无需依赖数据库模式即可生成符合业务规则的数据，避免了模式依赖带来的限制。
2. 模拟环境中的数据生成：STS在模拟的企业环境中执行操作，确保生成的数据在结构上有效且符合业务逻辑。
3. 高保真与高约束满足率：STS在十个不同环境中实现了0.88的平均边际保真度和100%的约束满足率，展示了其在复杂场景下的适用性。

技术机制剖析

STS的核心组件是Generalist Populator (GP)，这是一个领域无关的代理，能够在模拟环境中执行操作并生成数据。GP通过以下方式实现高保真数据生成：

• 操作执行与API交互：GP通过执行操作与模拟环境中的API交互，生成符合业务规则的数据。
• 分布保真度与约束满足：GP在无需访问数据库模式的情况下，实现了高保真度和约束满足率，展示了其在不同环境中的通用性。

工程权衡与实测表现

STS在实现高保真数据生成的同时，也面临一些权衡：

• 计算资源需求：模拟环境中的数据生成需要较高的计算资源，尤其是在复杂的企业环境中。
• 数据多样性：尽管STS在多个环境中表现出色，但生成的数据多样性仍需进一步验证。

实测结果表明，STS在处理复杂企业数据生成任务时具有显著优势，特别是在数据保真度和约束满足方面。

开发者落地与部署建议

对于希望采用STS的开发者，以下是一些建议：

• 环境模拟：开发者需要构建准确的企业环境模拟模型，以确保生成的数据符合实际业务需求。
• API设计与实现：STS依赖于API进行数据生成，开发者需设计并实现符合业务逻辑的API。
• 性能优化：在资源受限的环境中，开发者需优化STS的性能，例如通过分布式计算或模型压缩技术。

结论

STS为企业AI训练和评估提供了一种创新的数据生成方法，展示了其在高保真数据生成和复杂场景应用中的潜力。

---

消息来源：ArXiv AI (cs.AI) (2026-10-10)

—— 完 ——

主题标签： #SAP 关注 #数据生成 关注 #模拟环境 关注 #企业AI 关注 #大语言模型 关注