合成数据
也叫：Synthetic Data · 人工合成数据 · AI 合成数据
合成数据可补充训练、测试和共享样本，同时可能继承原始偏差、增加统计误差，也不会自动获得可靠隐私保证。
他们说
由算法生成并复现目标数据模式或统计属性的人工数据
老白翻译
照着真实数据的规律，做出一批不直接对应真人的新样本。
它到底是什么
合成数据由算法或生成模型创建，用来复现真实数据中的结构、模式或统计属性。它可以只替换部分字段，也可以生成完整的新记录。
生活里的例子
企业可以用虚构姓名、账号和订单生成客服测试集，让开发人员检查敏感信息泄露流程，避免直接复制生产数据库。
常见误解
- 误解：合成数据天然匿名。 生成器可能记住少见记录，源数据处理与重识别风险仍需检查。
- 误解：多生成一些就能补齐原始偏差。 原数据漏掉的人群和表达，合成器通常也学不到。
- 误解：人工样本可以完全代替真实验证。 合成过程会增加误差，最终效果还要用真实任务样本检验。
普通人怎么用
记录源数据范围、生成模型、提示词、过滤规则与版本，分别做任务效果、子群体偏差和隐私攻击测试，并保留独立真实验证集。