基于LLM智能体列间约束发现的约束感知合成表格数据生成

生成结构有效的合成表格数据仍然困难：具有高统计保真度和下游实用性的输出，仍可能违反有语义意义的领域约束。我们研究了三类互补的列间约束族——方程、线性不等式和逻辑依赖——的发现与执行。我们统一的工具化（tool-grounded）工作流把这三类约束都表示为机器可执行的假设，并应用统一接口做全表验证、确定性诊断和反例引导的修订。一个与生成器无关的后处理器在保持不变的表格生成器输出上协调针对约束族的修复。在多轮行为审计和端到端评估中，完整工作流相较一次性直接提示提升了留出集上的违例检测；后处理对每个保留且适用的约束实现了零测量违例，在大多数数据集上改善了下游实用性，并基本保留了单变量边际分布。