本研究探讨合成数据对大型语言模型（LLMs）盲点的影响，结果表明合成数据不会加剧模型的盲点表现，且微调合成数据不会减少或恶化启发式策略的使用。

该研究使用扩展的诊断性假设理论，通过启发式策略在二值形状和自然图像上提取对象骨架 GT，并生成了17个数据集的骨架 GT。实验证明，该策略生成的 GT 具有高质量的标准一致性和简洁完整性，并在简约性与完整性之间取得了平衡。