في عالم الذكاء الاصطناعي، تحتل وكالات الاتصال دوراً محورياً في تعزيز فعالية الأنظمة التجارية، لكن التدريب والتقييم على نطاق واسع يظل محدوداً نحواً كبيراً بسبب القيود التجارية والقانونية المتعلقة بالأنظمة والبيانات. توفر طريقة توليد البيانات في الجداول (Tabular Data Synthesis) بديلاً طبيعياً، لكنها تقيد بفاعليتها من خلال صلاحية البنية وتوافر المخططات.

هنا تأتي تقنية 'توليد البيانات عبر التمثيل' (Synthesis Through Simulation) كحل مثير، حيث تعتمد على وكيل من نماذج لغات كبيرة (LLM) يقوم بتوليد البيانات من خلال تنفيذ عمليات ضد واجهات برمجة التطبيقات (APIs) التي تفرض السياسات داخل بيئات تجارية محاكية. هذا الأسلوب يضمن صلاحية البنية من خلال خلق البيانات في نفس البيئة التي تحدد ما هو صالح.

تتناول تقنية Synthesis Through Simulation أبعاد التباين الفعلي وقابلية التوليد، من خلال أداة تنسيق معرفية تُعرف باسم 'Generalist Populator' (GP). يتمكن GP من تحقيق متوسط تباين هوامش يبلغ 0.88 ورضا كامل عن القيود عبر جميع البيئات العشر، دون الحاجة للوصول إلى مخططات قواعد البيانات. هذه الإنجازات تمثل خطوات هائلة مقارنة بالمنهجيات التقليدية التي غالباً ما تفشل في توفير نتائج موثوقة.

هذا المشروع مفتوح المصدر ويتضمن الإطار الكامل، بالإضافة إلى جميع البيئات العشر ومجموعات البيانات التي تم إنشاؤها، مما يضمن إمكانيات جديدة للبحث والتطبيق في عالم الذكاء الاصطناعي.