TCSDG(Task-Conditioned Synthetic Data Generation)는 농업 예측 과제에서 부족하거나 불완전한 학습 데이터를 보완하기 위해 베이지안 네트워크 생성기와 트랜스포머 기반 테이블 파운데이션 모델 TabICL을 결합한 과제 조건부 합성 데이터 생성 알고리즘이다. 교사-학생 지식 전이와 인컨텍스트 학습에 기반해 작물 수확량 예측과 작물 유형 분류 두 과제에서 평가했다. 12개 연구 지역, 2개 학습 데이터 비율, 4개 증배 비율, 3개 예측 ML 알고리즘 조합에서 TCSDG 합성 데이터 증강이 작물 분류 실험의 89%, 수확량 예측 실험의 74%에서 성능을 개선했다. 6개 벤치마크 SDG 알고리즘을 크게 앞섰고 두 과제 모두에서 일관된 개선을 보인 유일한 방법으로, 정밀농업 분야에서 잘 설계된 합성 데이터의 실용성을 입증했다. 구현은 GitHub에 오픈소스로 공개됐다.

• •베이지안 네트워크 생성기 + 테이블 파운데이션 모델 TabICL을 결합한 과제 조건부 합성 데이터 생성 알고리즘
• •작물 유형 분류 실험의 89%, 수확량 예측 실험의 74%에서 ML 성능 개선
• •12개 지역×2개 데이터 비율×4개 증배 비율×3개 ML 알고리즘의 광범위한 실험 설계
• •6개 벤치마크 SDG 대비 우수, 두 과제 모두에서 일관 개선한 유일한 방법 — 코드 오픈소스 공개