谷歌研究团队在《Transactions on Machine Learning Research》上公开了合成数据引擎Simula。该框架将合成数据生成从“逐条造数据”升级为“设计整个数据集”，并已在谷歌内部大规模部署。
Simula是Gemma系列中ShieldGemma（安全）、MedGemma（医疗）等专用模型的主要数据来源，也为Gemini安全分类器、Android诈骗检测等提供训练数据。
Simula的核心优势
与依赖人工提示或真实数据种子的传统方法不同，Simula无需种子数据，可从零构建整个数据集，并通过四步流程精确控制：
- 全局多样性：将目标领域递归拆解为层级知识树，确保数据覆盖长尾场景。
- 局部多样性：在每个知识节点下生成多种不同场景和表述，避免概念单一化。
- 复杂化：可按配置比例提升部分场景难度，独立调节数据集难度分布。
- 质量控制：采用双评审员机制独立判断数据正确性，抵消模型偏差。
测试效果与关键发现
研究团队在网络安全、法律推理等五个领域测试表明：
- Simula完整流程在所有领域均优于简化方案。
- 数据质量比数量更重要：Simula用更少的数据实现了更高的下游性能。
- 效果无通用配方：例如，高难度数据在数学推理上提升准确率，但在法律推理上因教师模型能力限制反而拖累表现。
