TreeSynth는 고품질 다양한 데이터셋 확보의 어려움을 해결하기 위해 제안된, 트리 기반 부분 공간 데이터 합성 프레임워크입니다. 기존의 대규모 언어 모델(LLM)을 이용한 데이터 합성 방식의 한계인 제한된 시드 데이터, 모델 편향, 생성 과정 제어 부족 문제를 해결하고자, 데이터 공간을 계층적으로 분할하는 방식을 사용합니다. 특정 작업 설명을 기반으로 데이터 공간 분할 트리를 구성하여 상호 배타적이고 상보적인 원자 부분 공간으로 나누고, 각 리프 노드의 속성에 따라 합성 데이터를 수집하여 데이터 공간을 완전히 커버하는 다양한 데이터셋을 생성합니다. 실험 결과, TreeSynth는 기존의 수작업 데이터셋 및 최첨단 데이터 합성 기법보다 우수한 성능을 보이며, 데이터 다양성은 최대 45.2%, 하위 작업 성능은 최대 17.6% 향상되었습니다.
