Simula：从第一性原理设计面向真实世界的合成数据集

Google Research 推出推理优先、无需种子数据的合成数据集框架 Simula，通过全局多样化、局部分化、复杂化和双批评质量检查控制生成过程。Simula 在五个领域生成的最多 512K 条数据实验中，完整系统持续优于较简单的基线，但高复杂度数据仅在 GSM8k 数学推理中带来 10% 的准确率提升，在法律推理任务 LEXam 中反而降低表现，说明数据配置需适配使用模型的能力。