OpenSimula: 합성 데이터 생성 도구 공개

OpenSimula는 Davidson 등의 연구(TMLR)에서 제안된 Simula 메커니즘 설계 방식을 구현한 오픈 소스 Python 도구로, 데이터셋 구축 도구인 AfterImage에 통합되었습니다.

기존의 단순한 '프롬프트-답변' 생성 방식에서 벗어나, 추론 공간 내에서 **제어된 다양성(controlled diversity)**을 확보하고 데이터의 변동 축을 정밀하게 관리하는 것을 목표로 합니다.

핵심 워크플로우:

• 요소 분류 체계(Factor Taxonomies) 구축: LLM을 활용해 데이터 변동의 축을 정의합니다.
• 가중치 혼합 샘플링: 정의된 요소들을 기반으로 가중치를 적용하여 샘플링을 수행합니다.
• 메타 프롬프트 다양화: 샘플링된 요소에 메타 프롬프트를 적용하여 데이터의 복잡성을 높입니다.
• 검증 및 정제 루프: 요구 사항 검토(Requirement Critic) 및 검증 가능한 MCQ 생성을 위한 더블 크리틱(Double-critic) 게이트를 통해 데이터를 정제합니다.

최종 결과물로 버전 관리된 체크포인트(매니페스트, 분류 체계 번들, 샘플링 전략)와 승인된 데이터가 포함된 JSONL 파일을 생성합니다.