본 논문은 이탈리아어와 같은 비영어권 언어를 위한 대규모 언어 모델(LLM)의 미세 조정을 위한 고품질 훈련 데이터 수집의 어려움을 해결하기 위해, LLM을 이용한 합성 데이터 생성 파이프라인을 제안합니다. 이탈리아어 구인 광고에서의 포괄적 언어 감지 작업을 중심으로, 프롬프트 전략, 텍스트 길이, 타겟 위치 등의 요소가 LLM이 생성한 합성 데이터의 유효성에 미치는 영향을 종합적으로 분석합니다. 실험 결과, 대부분의 경우와 다양한 지표에 걸쳐 합성 데이터로 미세 조정된 모델이 실제 및 합성 테스트 데이터셋 모두에서 다른 모델들을 능가하는 성능을 보였음을 보여줍니다. 마지막으로, LLM을 이용한 언어 감지 작업에서 합성 데이터 사용의 실질적인 의미와 한계점을 논의합니다.
