一句话看懂：arXiv 上新论文提出“Synthesis Through Simulation”（STS），让 LLM 智能体在模拟企业环境中调用带策略约束的 API 来生成训练数据，无需数据库 schema，开源框架和十个环境同步释出。
事件核心：发生了什么
2026 年 10 月 9 日，arXiv cs.AI 收录了一篇新论文，提出一种名为 Synthesis Through Simulation（STS） 的“无 schema”数据合成方法。核心思路是：不直接从数据库表结构采样，而是让一个大模型智能体在模拟企业环境中执行操作，通过调用强制策略的 API 来生成数据。数据由定义“什么合法”的同一套环境产生，因此结构有效性在设计上得到保证；合规约束与分布建模也被拆开处理。论文称，其通用填充器 Generalist Populator 在十个环境中平均边际保真度达到 0.88，约束满足率 100%，且全部在未接触数据库 schema 的条件下完成。作者已将完整框架、十个环境和生成数据集在 GitHub 上开源。
为什么重要
企业 AI 里的工具调用智能体，长期受限于业务和法律规则——真实系统、数据、库表结构往往不能用于大规模训练和评测。传统表格合成方法依赖 schema 和种子数据，程序化方法又缺乏分布保真度。STS 把“合法性”交给模拟环境，把“像不像真实分布”交给通用智能体，为在受控环境中批量生成企业级训练轨迹提供了一条新路径。论文摘要还提到，在航空环境中，拥有 schema 权限的智能体因任务组合脆弱，82% 的轨迹失败；这反过来说明“无 schema”路线在复杂耦合工作流中的潜在优势。目前公开信息显示，这仍是论文层面的成果，不是已上线产品。
对用户/开发者/创作者的影响
对开发者而言，最直接的信号是：企业智能体训练可以不必先拿到真实库表，而是用策略 API 模拟环境生成数据，降低了数据获取和合规门槛。开源仓库包含框架、环境和数据集，适合做工具调用智能体的训练与评测基线。对做企业采购或平台建设的人来说，这套思路值得关注的是“可复现的仿真环境”能否替代部分敏感数据依赖。对内容创作者，短期内没有直接工具变化，但若该范式被集成到智能体开发平台，数据准备流程可能被简化。需要说明的是，上述结果来自论文摘要，评测局限在作者设定的十个环境内，不代表通用排名。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1）开源框架是否被主流智能体训练平台采用，形成社区环境和任务库；2）无 schema 合成数据在真实企业工作流中的迁移效果，是否有人复现或提出反例；3）与已有表格合成、程序化生成方法在成本、保真度和扩展性上的对比，是否会出现更明确的选型建议。
来源：arXiv cs.AI
