Simula: Kerangka untuk Merancang Dataset Sintetis Berdasarkan Mekanisme dan Penalaran
Google/DeepMind
Google Research memperkenalkan Simula, sebuah kerangka yang membingkai ulang pembuatan data sintetis sebagai desain mekanisme tingkat dataset. Metode ini menggunakan pendekatan penalaran pertama (reasoning-first) untuk membangun seluruh dataset dari prinsip-prinsip dasar, memungkinkan kontrol yang terperinci terhadap cakupan, kompleksitas, dan kualitas. Simula telah menjadi fasilitator utama bagi ekosistem Gemma dan pengklasifikasi keamanan di Google.
Google Research telah memperkenalkan Simula, sebuah kerangka kerja untuk pembuatan data sintetis yang memperlakukan pembuatan dataset sebagai masalah desain mekanisme. Tidak seperti metode yang ada yang mengandalkan prompt manual atau data awal, Simula menggunakan pendekatan yang mengutamakan penalaran, membangun dataset dari prinsip dasar tanpa data awal. Kerangka kerja ini membagi pembuatan data ke dalam empat sumbu: taksonomi mendalam untuk cakupan, diversifikasi lokal untuk variasi, kompleksifikasi untuk penyesuaian tingkat kesulitan, dan pemeriksaan kualitas melalui putaran pengkritik ganda. Simula menggunakan metrik berbasis penalaran seperti Cakupan Taksonomi dan peringkat Elo untuk evaluasi. Simula telah digunakan dengan Gemini 2.5 Flash sebagai pengajar dan Gemma-3 4B sebagai siswa di berbagai domain seperti keamanan siber, penalaran hukum, matematika (GSM8k), dan pengetahuan multibahasa (Global MMLU). Di dalam Google, Simula mendukung ekosistem Gemma (ShieldGemma, FunctionGemma, MedGemma), pengklasifikasi keamanan untuk Gemini, serta fitur-fitur seperti deteksi penipuan untuk panggilan Android dan penyaringan spam di Google Messages. Kerangka kerja ini bertujuan menjadikan pembuatan data sebagai ilmu yang terkendali untuk aplikasi AI yang terspesialisasi.
Sumber: Google Research —
asli