SAP发布Synthesis Through Simulation：革新企业数据生成范式

摘要：SAP推出了一种名为Synthesis Through Simulation (STS) 的新型数据生成范式，旨在解决企业AI训练与评估中数据获取受限的问题。STS通过在模拟企业环境中执行操作，生成符合业务逻辑的结构化数据，从而保证数据的结构有效性和分布保真度。其核心组件Generalist Populator (GP) 在无需数据库模式的情况下，实现了跨十个环境的0.88平均边际保真度和100%约束满足率，显著优于传统统计合成器和基于模式的生成方法。STS的开源框架和生成数据集为AI开发者提供了强大的工具，推动了企业AI的进一步发展。

---

核心突破

SAP最新发布的**Synthesis Through Simulation (STS)**是一种全新的数据生成范式，旨在解决企业AI训练与评估中数据获取受限的难题。以下是STS的核心技术亮点：

1. 无模式数据生成：STS通过在模拟的企业环境中执行操作，生成符合业务逻辑的结构化数据，而无需依赖数据库模式。这使得数据生成过程更加灵活且不受限于现有模式。

2. 结构有效性与分布保真度：STS通过在定义有效性的同一环境中生成数据，从构造上保证了数据的结构有效性。同时，它将有效性验证与分布建模分离，使两者可以独立优化，从而实现更高的分布保真度。

3. Generalist Populator (GP)：STS的领域无关代理GP在无需数据库模式的情况下，实现了跨十个环境的0.88平均边际保真度和100%约束满足率。相比之下，统计合成器因种子数据需求无法应用于七个环境，而基于模式的代理在航空环境的紧密工作流程中失败率达82%。

4. 开源框架：SAP已开源STS的完整框架、十个模拟环境以及生成的数据集，为AI开发者提供了强大的工具支持。

技术解析

STS的核心思想是通过模拟企业环境来生成数据，从而绕过传统数据合成方法中的限制。传统方法通常依赖于数据库模式或统计模型，但这些方法在处理复杂的企业数据时存在显著缺陷。STS通过在模拟环境中执行操作，生成的数据自然符合业务逻辑和约束条件，从而解决了这些问题。

GP作为STS的领域无关代理，通过智能化的操作执行和数据生成机制，实现了高水平的保真度和约束满足率。这使得STS在处理复杂、多样化的企业数据时表现出色，为企业AI的训练与评估提供了可靠的数据基础。

行业影响

STS的发布标志着企业AI数据生成领域的一个重要里程碑。其无模式、高保真度的数据生成能力，为企业AI的应用场景提供了新的可能性，特别是在数据获取受限或敏感的行业，如金融、医疗和制造业。STS的开源框架和生成数据集，将促进AI开发者在企业AI领域的创新与探索，推动AI技术的进一步发展。

开发者建议

• 探索STS的应用场景：开发者可以尝试将STS应用于各种企业AI训练与评估场景，特别是那些数据获取受限或需要高保真度数据的领域。

• 利用开源框架：SAP已开源STS的完整框架，开发者可以下载并使用该框架进行数据生成和模型训练。

• 关注后续更新：SAP可能会在STS的基础上推出更多功能和改进，开发者应持续关注相关动态，以便及时利用最新技术。

---

消息来源：Hugging Face Daily Papers (2026-09-24)

—— 完 ——

主题标签： #SAP 关注 #数据生成 关注 #企业AI 关注 #开源框架 关注 #模拟环境 关注