FLock.io ha anunciado que dos de sus artículos sobre generación de datos sintéticos han sido aceptados en ACL 2026. "CircuitSynth: Generación Confiable de Datos Sintéticos" aparecerá en los Findings, mientras que "GraphSynth: Resolviendo la Disyuntiva Diversidad-Confiabilidad con Grafos Factoriales Probabilísticos" está programado para la Conferencia Principal. Estos artículos abordan el desafío de equilibrar la diversidad y la confiabilidad en los datos sintéticos, crucial para aplicaciones de alto riesgo. CircuitSynth utiliza Diagramas de Decisión Sentencial Probabilísticos para separar el razonamiento semántico de la generación del lenguaje, mientras que GraphSynth emplea grafos factoriales para modelar la superposición de atributos. Esta investigación podría mejorar el entrenamiento de IA en campos con escasez de datos como el diagnóstico médico y la predicción meteorológica.