超越规范：稀有事件合成数据生成的综述

极端事件，如市场崩溃、自然灾害和大流行病，虽罕见但具有灾难性，常在跨越系统的级联失败中发挥作用。准确预测和提前警报有助于最小化损失并提高准备水平。虽然数据驱动方法为极端事件建模提供了强大的能力，但需要大量训练数据，而极端事件数据本质上稀缺，构成根本性挑战。合成数据生成已成为强大的解决方案。然而，现有调查聚焦于一般数据，强调隐私保护，而非极端事件的独特性能需求。本综述首次概述了用于稀有事件的合成数据生成。我们系统性地审阅了生成模型和大型语言模型，尤其是那些结合统计理论、专门训练和采样机制以捕捉厚尾分布的模型。我们总结了基准数据集，并引入量身定制的评估框架，涵盖统计、依赖、视觉和任务导向指标。核心贡献是深入分析每种指标在稀有性和领域特定适应性中的适用性，为极端环境下的模型评估提供可操作指导。我们归类了关键应用领域，识别了在行为金融、野火、地震、风暴和传染病爆发等方面的探索不足。最后，我们概述了开放挑战，为推动稀有事件合成研究提供了结构化基础。