본 논문은 대규모 언어 모델(LLM)을 이용하여 현실적인 표 형태의 합성 데이터를 빠르고 비용 효율적으로 생성하는 새로운 방법을 제안합니다. 기존의 방법들이 LLM을 이용하여 각 레코드를 개별적으로 생성함으로써 시간과 비용이 많이 드는 문제점을 가지는 것과 달리, 본 논문의 방법은 LLM을 이용하여 각 필드의 분포를 추론하고 재사용 가능한 샘플링 스크립트로 인코딩합니다. 필드의 자료형(숫자형, 범주형, 자유 텍스트형)을 자동으로 분류하여 분포 기반 스크립트를 생성함으로써, 지속적인 모델 추론 없이 다양하고 현실적인 대규모 데이터셋을 효율적으로 생성할 수 있습니다. 실험 결과, 제안된 방법은 기존의 직접적인 방법보다 다양성과 데이터 현실성 측면에서 우수하며, 대량의 합성 데이터 생성에 드는 부담을 크게 줄이는 것으로 나타났습니다. 향후 생산 파이프라인의 테스트 가속화에 적용하여 개발 사이클 단축 및 시스템 효율 향상을 목표로 합니다.
