Este artículo presenta TAGAL, una novedosa metodología para generar datos tabulares sintéticos mediante modelos de lenguaje a gran escala (LLM). TAGAL automatiza un proceso iterativo de retroalimentación mediante un flujo de trabajo basado en agentes para mejorar la calidad de los datos sin necesidad de entrenamiento adicional en LLM. Los LLM permiten la integración de conocimiento externo en el proceso de generación de datos, y evaluamos el rendimiento de TAGAL en diversos conjuntos de datos y aspectos de calidad. Analizamos la utilidad de los modelos de aprendizaje automático posteriores entrenando clasificadores únicamente con datos sintéticos o combinando datos reales y sintéticos, y comparamos la similitud entre los datos reales y los generados. En consecuencia, TAGAL demuestra un rendimiento comparable al de las técnicas más avanzadas que requieren entrenamiento en LLM y supera a otras técnicas que no lo requieren. Esto resalta el potencial de los flujos de trabajo basados en agentes y sugiere nuevas direcciones para la generación de datos basada en LLM.
