본 논문은 의료 분야와 같이 데이터 접근이 어려운 상황에서 합성 데이터 생성을 위한 새로운 프레임워크를 제시합니다. 기존 합성 데이터 생성 모델들은 많은 양의 데이터를 필요로 하는 반면, 본 논문에서 제안하는 프레임워크는 대규모 언어 모델(LLM)을 기반으로 GAN(Generative Adversarial Network) 구조를 모방하여 소량의 데이터로도 고품질의 합성 표 형태 데이터를 생성합니다. 데이터 생성 과정을 문맥 정보로 활용하고 LLM을 최적화기로 사용하여, 다운스트림 작업에 적합한 고품질의 합성 데이터를 생성하면서 실제 데이터의 프라이버시를 보호하는 성능을 보입니다. 공개 및 비공개 데이터셋을 이용한 실험 결과를 통해 기존 최첨단 모델보다 우수한 성능을 입증합니다.
