TreeSynth는 2025년 3월 홍콩대학교와 홍콩중문대학교 연구팀이 공동으로 제안하였으며, 관련 연구 결과는 논문 "TreeSynth: 트리 기반 부분 공간 분할을 통해 다양한 데이터를 처음부터 합성".

TreeSynth는 의사결정 트리에서 영감을 받은 트리 기반 부분 공간 기반 합성 데이터 방법입니다. 특정 작업에 대한 전체 데이터 공간(루트 노드)을 여러 개의 원자 부분 공간(리프 노드)으로 재귀적으로 분할하는 공간 분할 트리를 구축합니다. 이러한 부분 공간은 상호 배타적이고 포괄적이어서 각 원자 부분 공간 내에서 샘플을 합성하기 전에 고유성과 포괄성을 모두 보장합니다. 다양한 벤치마크에 대한 광범위한 실험을 통해 TreeSynth는 데이터 다양성, 모델 성능 및 강력한 확장성 측면에서 수작업으로 구축된 데이터셋 및 유사한 데이터 합성 방법보다 평균 10¹TP³T의 성능 향상을 달성하는 것으로 일관되게 입증되었습니다.