Образцы
Небольшая, но настоящая выборка. Качество выборки важнее её размера.
Синтетические данные
Синтетические данные из ваших же образцов, а не из ничего.
Модель не придумывает данные из воздуха — она продолжает то, что вы ей дали. Если дали десять образцов, она сделает похожие на эти десять, со всеми их перекосами.
Разница, которая важна
Синтетические данные бывают двух видов, и путать их опасно. Первый — «сгенерируйте мне тысячу похожих примеров». Второй — «вот наша выборка, продолжите её распределение». Работает второй.
Когда вы даёте реальные образцы, модель опирается на их структуру, лексику и разброс. Когда не даёте — получаете правдоподобно выглядящий текст, который не имеет отношения к вашим данным. На нём нельзя ни обучать, ни тестировать.
Что нужно с вашей стороны
Правила
Что должно сохраняться обязательно, а что можно менять. Это главная часть работы.
Проверка
Результат надо сравнить с реальной выборкой. Без этого синтетика бесполезна.
Здесь нужна осторожность
- Синтетика не заменяет реальные данные там, где нужна настоящая вариативность
- Перекосы исходной выборки наследуются: если в образцах нет редкого случая, его не будет и в сгенерированных данных
- Если вы обучаете модель на своём же синтетическом выводе, качество со временем падает
- Персональные данные из образцов никуда не исчезают: обезличивать их нужно до отправки, на вашей стороне
Где это применяют
Обычно там, где реальных данных мало или их нельзя использовать напрямую: тестовые наборы для проверки конвейера, редкие случаи, которые нужно воспроизвести, нагрузочные примеры для отладки. Реже — для пополнения обучающей выборки, и там особенно нужна проверка.
Частые вопросы
Сколько образцов нужно?
Зависит от задачи, но обычно меньше, чем ожидают. Важнее, чтобы выборка была настоящей и покрывала те случаи, которые для вас значимы.
Синтетические данные можно использовать в продакшене?
Решение о том, что считать пригодным, принимаете вы и ваша служба качества. Мы даём доступ к модели и разбираем техническую сторону; гарантий за вашу модель ответственности мы не даём.
Что с персональными данными?
Мы не советуем отправлять их без обезличивания. Ответственность за правомерность передачи данных остаётся на вашей стороне; соглашение об обработке данных предоставляем по запросу.
СИНТЕТИЧЕСКИЕ ДАННЫЕ
Вход
Ваша выборка образцов
реальные примеры и правила
DeepSeek V4.1 Flash
Выход
Новые примеры
структура и разброс выборки
- Образцы — из ваших данных
- Перекосы выборки наследуются
- Результат нужно сверять с реальностью
Расскажите, какой объём и что используете сейчас.
Обычно ответим в течение одного рабочего дня: условия и персональный менеджер.