近日，由渊亭科技研发的“一种大规模数据的生成方法、装置及设备”获得国家知识产权局颁发的发明专利授权。该发明专利通过结合大语言模型（LLM）与蒙特卡洛搜索树（MCTS），提出了一套能够自我优化、自我迭代的数据生成框架，旨在解决传统方法在生成效率、目标导向性及结果多样性上难以兼顾的痛点。
在人工智能技术飞速发展的今天，高质量、大规模的数据是训练和微调先进模型的“燃料”。然而，传统的数据生成方法正面临诸多挑战。
一方面，直接利用大模型生成内容，往往需要投入大量人力反复调试提示词（Prompt），过程低效且结果质量参差不齐。另一方面，经典的优化算法（如蒙特卡洛搜索树），虽能优化决策，但其计算复杂度高，难以胜任大规模、高时效性的生成任务。
在实际的数据生成任务中，数据生成的效率、结果的多样性和对目标的精准导向性是三个关键需求。然现有方法往往顾此失彼，导致生成的数据要么数量庞大但质量低下，要么质量尚可但过程耗时过长，制约了AI技术的应用与发展。
为攻克这一难题，该发明专利构建了一套高效、智能、自动化的数据生成新流程。其核心创新点在于建立了一个由LLM驱动的、能够自我优化的闭环系统。
该方法主要包括四个关键步骤：
初始扩展
智能评估与建议
创建并行搜索树
策略优化与迭代
此外，该专利还设计了异步并行架构与动态剪枝机制。通过多线程和任务队列，扩展与评估过程被解耦，实现了高效并行处理。同时，系统会实时监控并“剪除”那些价值较低的探索路径，将宝贵的计算资源动态分配给潜力更高的分支，极大地提升了整体效率和资源利用率。
该发明适用于大规模数据生成任务，能够高效生成高质量、具备推理过程的问答数据，因此在AI模型训练、知识库构建、对话系统和内容创作等需要高质量数据支撑的场景中，具有巨大的应用潜力。它将为训练出更智能、更可靠的AI模型提供坚实的数据基础，加速人工智能技术的应用落地。
未来，渊亭科技将继续致力于前沿技术的探索与应用转化，为千行百业的智能化转型提供更坚实的技术支撑。
