본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

합성 데이터(Synthetic data)

합성 데이터(synthetic data)는 실제 세계의 출처에서 수집하지 않고 소프트웨어, 흔히 다른 AI 모델로 생성한 학습용 또는 테스트용 데이터입니다. 빈틈을 메우거나, 예시를 저렴하게 늘리거나, 실제 개인 데이터의 노출을 피하는 데 쓰입니다.

작성 Divya Sharma · 2026년 11월 16일 확인 · 리뷰 방식

실제 데이터를 모으고 레이블을 붙이는 일은 느리고 비싸며, 일부 데이터는 비공개이거나 드뭅니다. 합성 데이터는 이를 대체하거나 보충합니다. 언어 모델의 경우 강한 모델에게 질문, 지시, 답, 대화, 코드를 쓰게 하고, 결과를 걸러 파인튜닝이나 평가에 씁니다.

잘 알려진 예

Self-Instruct(Wang 등, 2022)가 이 패턴을 보여 주었습니다. 모델이 입력과 출력을 갖춘 새 지시를 생성하고, 유효하지 않거나 거의 중복되는 항목을 걸러 낸 뒤, 남은 것으로 원래 모델을 파인튜닝합니다. 저자들은 그렇게 만든 합성 데이터셋을 공개했습니다. 이후 많은 지시 데이터셋이 비슷한 단계를 따르며, 지식 증류는 흔히 큰 교사 모델이 작은 학생 모델을 위해 데이터를 생성하는 방식에 기댑니다.

용도

흔한 용도로는 지시 및 채팅 데이터, 드문 엣지 케이스, 에이전트용 도구 사용 기록, LLM 평가용 테스트 세트, 그리고 실제 사람이 아니면서 고객 데이터처럼 보이는 대체 레코드가 있습니다. 렌더링한 장면으로 레이블이 붙은 이미지를 얻는 비전 분야에서도 쓰입니다.

위험

합성 데이터는 생성한 모델의 오류, 편향, 사각지대를 물려받으며, 필터링은 그중 일부만 잡습니다. 새로운 실제 데이터 없이 모델 출력으로 반복 학습하면 모델이 만들어 내는 것의 폭이 좁아질 수 있습니다. 생성된 예시는 실제 예시보다 덜 다양한 경향이 있습니다. 일부 모델 제공업체의 서비스 약관은 출력을 경쟁 모델 학습에 쓰는 것을 제한하니 확인하십시오. 합성 데이터가 실제로 도움이 되었는지 측정하려면 사람이 확인한 실제 골든 데이터셋을 유지하십시오. AI 학습 데이터도 참고하십시오.

관련 용어

AI 학습 데이터
AI 학습 데이터(AI training data)는 웹 텍스트, 코드, 이미지, 녹취록, 레이블이 붙은 쌍처럼 모델이 학습하는 예시의 모음입니다. 그 규모, 품질, 구성, 라이선스가 모델이 할 수 있는 일과 실패하는 지점을 결정합니다.
파인튜닝(미세 조정)
파인튜닝(fine-tuning, 미세 조정)은 사전 학습된 모델을 더 작은 작업 특화 데이터셋으로 추가 학습시켜, 처음부터 학습하지 않고도 특정 기술, 형식, 어조, 분야를 익히게 하는 것입니다.
지식 증류
지식 증류(knowledge distillation)는 더 작은 학생 모델이 더 큰 교사 모델의 출력을 흉내 내도록 학습시키는 방법으로, 교사의 능력을 상당 부분 유지하면서 비용은 낮은 증류 모델을 만듭니다.
골든 데이터셋
골든 데이터셋(golden dataset)은 예상하는 답이나 동작과 짝지은 입력 예시를 신중하게 검토해 고정해 둔 모음으로, AI 시스템을 평가하거나 회귀 테스트할 때 기준으로 씁니다.
LLM 평가
LLM 평가(LLM evaluation)는 흔히 evals라고 부르며, 모델이나 AI 애플리케이션을 테스트 사례 모음에 실행하고 정해진 기준에 따라 코드, 사람, 다른 모델로 출력을 채점해 작업 수행 능력을 측정하는 것입니다.

출처