myWiki/concepts/multi-dimensional-synthetic-data.md

title, created, updated, type, tags, sources

title	created	updated	type	tags	sources
多维合成数据 (Multi-Dimensional Synthetic Data)	2026-06-14	2026-06-14	concept	synthetic-data data-augmentation llm-training finance	raw/articles/qifu-llm-finance-practice-2026.md

多维合成数据 (Multi-Dimensional Synthetic Data)

奇富科技王元提出的零数据场景下的训练数据构建策略，通过三维度 Prompt 多样性生成丰富多样的合成数据。

背景

在银行营销业务的商机挖掘场景中，不仅没有标注，连输入 X 都没有——既没有历史录音也没有商机标签 Ground Truth。用大模型直接测试标签 F1 值仅 70%+，无法做传统蒸馏。只能从基模做 LoRA 后训练，但训练数据需要比测试数据多一个数量级。

三维度策略

构建数据多样性的核心是构建生成数据流水线的 Prompt 多样性：

维度一：企业客户多样性

模拟目标客户画像：

• 行业资产（如轻资产企业，切断不动产字段）
• 贸易特征（纯内贸切断外汇字段）
• 资金状况（急缺资金强制绑定急融标签）

维度二：录音场景多样性

模拟物理环境和噪音层级：

• 设备操作噪音
• 纯闲聊场景
• 对抗性极强的负样本（如讨论个人房贷而非企业融资）

维度三：语音录制人多样性

模拟客户经理的不同行为特征：

• 谨慎的新手：线性逻辑、自我修正、口吃
• 老练的资深经理：结论先行、迅速切入

关键洞察

• 零数据场景下，生成数据的质量取决于 Prompt 多样性的维度设计，而非简单的数量堆积
• 多维采样和提示词流水线设计需要覆盖对抗性负样本和行为边界
• 这是一种"用 Prompt 工程来工程化数据分布"的策略——通过 Prompt 空间的结构化采样来逼近真实分布

参考

• qifu-llm-finance-practice — 来源分享
• zero-data-cold-start — 该方法要解决的核心问题