연구자들이 과학 연구에 합성 데이터를 활용하는 사례가 늘고 있어요. LLM 기반 '실리콘 샘플'을 활용한 소셜 사이언스 연구, AI 평가를 위한 'LLM 심판' 활용, 단백질 구조 생성 모델 등이 대표적이죠. 하지만 합성 데이터는 편향, 노이즈, 오규격 문제를 야기할 수 있다는 우려도 있어요.
연구진은 작업 교환 가능성이라는 새로운 조건을 제시하며, 합성 데이터를 활용한 과학 연구의 유효성 보장 원리를 제안했어요. 작업 교환 가능성은 연구자가 실제 데이터가 있는 과거 작업과 현재 관심 작업을 수학적으로 교환 가능한 것으로 식별할 수 있는 조건을 의미해요.
실리콘 샘플을 활용한 여론 조사와 자동 평가를 통해 프레임워크를 시연하며, 교환 가능성 범위를 넘어선 보증을 제공하는 확장 기법도 개발했어요.