기업용 도구 호출 에이전트를 훈련·평가하려면 실제 기업 데이터와 스키마가 필요하지만 법적·사업적 제약으로 접근이 어려운 문제를 푸는 연구다. 연구팀은 LLM 에이전트가 정책을 강제하는 API를 상대로 작업을 수행하며 데이터를 생성하는 스키마 불필요(schema-free) 합성 기법 STS(Synthesis Through Simulation)를 제안했다. 데이터를 만드는 환경 자체가 유효성을 정의하기 때문에 구조적 유효성이 자동으로 보장되고, 분포 충실도는 별도로 다룰 수 있다. 범용 에이전트 Generalist Populator(GP)는 DB 스키마 접근 없이도 10개 환경 전체에서 평균 마진 충실도 0.88과 제약 충족률 100%를 달성했으며, 통계 기반 합성기는 7개 환경에서 시드 데이터 요구 때문에 적용 자체가 불가능했고, 스키마 특권을 가진 에이전트도 항공사 환경의 복잡한 워크플로에서는 82%가 실패했다. 전체 프레임워크와 10개 환경, 생성 데이터셋을 오픈소스로 공개했다.

• •정책 강제 API를 상대로 LLM 에이전트가 작업을 수행하며 데이터를 생성하는 스키마 불필요 합성 기법 STS 제안
• •생성 환경이 유효성을 정의하므로 구조적 유효성을 자동 보장, 분포 충실도는 별도 처리 가능
• •범용 에이전트 GP가 DB 스키마 없이 10개 환경에서 평균 마진 충실도 0.88, 제약 충족률 100% 달성
• •통계 기반 합성기는 7개 환경에서 시드 데이터 요구로 적용 불가
• •스키마 특권 에이전트도 항공사 환경의 복잡한 워크플로에서 82% 실패, 전체 프레임워크·환경·데이터셋 오픈소스 공개