Hugging Face je predstavio AutoSynthData, metodu za automatsko generisanje trening podataka koja koristi neuspjehe ciljnog modela i demonstracije snažnijeg “mentora” kako bi stvorila verificirane zadatke prilagođene enterprise okruženjima. Sistem je osmišljen da identifikuje slabosti modela u stvarnim radnim tokovima i pretvori ih u velike skupove zadataka pogodnih za fino podešavanje.
AutoSynthData najprije procjenjuje ciljni model i jači učiteljski model na dijagnostičkim zadacima u ciljnom okruženju. Analizom mjesta gdje ciljni model promašuje, a učitelj uspijeva, alat izdvaja sposobnosti koje treba poboljšati i generiše nove zadatke — uključujući sistemsku specifikaciju, korisnički zahtjev i verifikator — koji su izvodljivi, realistični i dovoljno zahtjevni da pruže signal za učenje. Proces ima dvije faze: target fazu za kreiranje osnovnog skupa validiranih primjera i multiply fazu koja širi skup varijantama. Svaki kandidat prolazi pozitivnu i negativnu verifikaciju, izvršenje referentnog rješenja i po potrebi kritiku i popravku prije prihvatanja. Revizija na nivou batcha prati pokrivenost i raznolikost kako bi se izbjegla prekomjerna ponavljanja ili praznine u sposobnostima koje se uče.
Autori navode eksperiment EnterpriseOps Gym kao ilustraciju. U Hybrid domeni AutoSynthData je generisao 2.000 sintetičkih uzoraka za oko 18 sati; fino podešavanje modela Gemma-4-26B-A4B-it dovelo je do poboljšanja — srednji Pass@1 porastao je za 7,2 postotna poena (35% relativnog poboljšanja), dok je uspjeh verifikatora porastao sa 63,01% na 68,55%. U ITSM domeni su takođe generisani hiljade uzoraka, pri čemu je vrijeme generacije bilo duže zbog kompleksnosti okruženja.
ŠTA OVO ZNAČI?
AutoSynthData omogućava kompanijama da sistematično pretvore stvarne greške modela u verificirane trening primjere, smanjujući potrebu za ručnim stvaranjem podataka. To znači da se modeli mogu ciljano učiti na slabostima specifičnim za njihovo okruženje bez oslanjanja isključivo na ručno anotirane primjere.
Metoda naglašava važnost provjere kvaliteta: zadaci se ne prihvataju dok izvršenje i verifikacija ne pokažu da su izvodljivi i da zaista testiraju željenu sposobnost.
Izvor: Hugging Face · 2026-10-02
Ilustracija: COIN.BA
