英文：Synthetic Data 分类：frontier
由程序、规则或模型生成的用于训练/评估的数据（非真实采集），用于扩充稀缺场景、控制分布与降低成本，已成为大模型训练的重要数据来源。
生成：LLM 生成（指令/推理数据）、程序化生成（数学/代码）、扩散生成（图像）、仿真（物理场景）；应用：RLHF 偏好数据（AI 反馈）、推理数据（CoT 生成）、数据增强；风险：模型坍缩（递归生成退化）、真实性偏差。
用于大模型训练（代码/数学数据增强）、RAG 测试数据、自动驾驶仿真、隐私场景（替代真实数据）与数据稀缺领域；合成数据是"数据自由"的制造工厂。