摘要：在训练人工智能（AI）模型时，数据的质量和数量至关重要。然而，当前真实世界数据的缺乏使得研究者不得不依赖于合成数据。尽管合成数据能够有效解决数量方面的问题，但其生成的质量却常常令人担忧。最近，匹兹堡大学的研究团队联合北京大学的科研力量，开发了一种新的框架，以确

信息来源：https://techxplore.com/news/2025-09-high-quality-synthetic-wireless-real.html

在训练人工智能（AI）模型时，数据的质量和数量至关重要。然而，当前真实世界数据的缺乏使得研究者不得不依赖于合成数据。尽管合成数据能够有效解决数量方面的问题，但其生成的质量却常常令人担忧。最近，匹兹堡大学的研究团队联合北京大学的科研力量，开发了一种新的框架，以确保合成无线数据的质量，进而提升AI模型的训练效果。

合成数据的重要性与挑战

合成数据在现代机器学习和深度学习中扮演着日益重要的角色，尤其是在图像、视频以及无线信号等模态中。作为一种解决数据稀缺问题的有效方式，合成数据可以为各种应用场景提供所需的信息。然而，生成高质量的合成数据，尤其是在无线信号方面，却是一个复杂的技术挑战。

研究显示，当前合成无线数据在亲和力方面存在一定的局限性。Gao Wei，匹兹堡大学电气与计算机工程副教授，指出，合成数据的生成不仅需要遵循现实的模态，还需具备一定的多样性。例如，在训练用于人脸识别的AI模型时，所生成的人脸图像必须是合理且多样的，才能有效提升模型的准确性。

我们的质量评估和质量指导的无线合成数据利用。生成模型根据条件生成合成数据，以补充无线应用的数据量。与以往使用所有有条件的合成数据作为标签的无质量利用相比，我们评估了合成数据质量，揭示了其亲和力局限性，并提出了一种质量引导的利用方案，将过滤后的合成样本与分配的伪标签相结合，以获得更好的数据质量和任务性能。图片来源：arXiv （2025）。DOI：10.48550/arxiv.2506.23174

然而，生成无线信号数据则面临额外的困难。由于无线信号的复杂性，它们不能像面孔那样清晰可辨，因此对信号的评估和标注更加困难，给研究者带来了重重挑战。

亲和力与多样性的评估

为了改善合成无线数据的质量，研究团队提出了一种新的评估框架，着重于量化亲和力和多样性这两个指标。根据研究，虽然存在一些合成数据在多样性方面表现良好，但在亲和力方面却未能达到相应的标准，这往往导致数据标注错误和任务性能的下降。

Gao教授表示，不同的应用场景需要不同的亲和力与多样性的标准。因此，在合成数据的生成和评估过程中，需要应用任务具体化的方法，以保证生成结果的有效性和实用性。

采用半监督学习和SynCheck框架

针对合成无线数据的亲和力不足问题，研究小组实施了半监督学习方法，利用少量经过验证的标记数据来指导合成数据的生成。通过引导AI模型学习什么是“合法”的信号数据，研究者们成功提升了合成数据的有效性。

此外，Gao和他的团队开发了一个名为SynCheck的框架，旨在过滤低亲和度的合成无线样本。在模型的迭代训练过程中，系统会智能识别并标记出质量不高的数据，从而仿佛为提高模型的整体性能提供了保障。

根据研究结果，运用该系统可以将任务性能提升4.3%，而未选择性使用合成无线数据则会导致性能下降13.4%。这表明，对合成无线数据的质量引导和利用的必要性。

未来展望

随着合成数据技术的不断向前推进，这项新的研究不仅为确保高质量无线合成数据铺平道路，也为训练更复杂的AI模型提供保护。研究团队的工作展示了科学家可以如何在数据不足的情况下，通过创新的方法来确保机器学习模型的有效性。

总之，本研究的成功表明，未来的无论是在无线技术还是其他领域中，合成数据的质量评估和高效利用都是至关重要的。随着技术不断进步，确保高质量的数据将成为推动AI发展和应用的核心因素。这对满足不断增长的数据需求以及推动技术创新具有重大意义。

来源：人工智能学家