★ 3
免训练合成数据流水线 GENSCRIPT
论文提出 GENSCRIPT，一种仅推理的合成数据流水线，无需训练生成模型。它计算源数据的确定性统计画像，交由语言模型推断字段语义与跨列完整性约束，再由编码智能体编译为可审计采样器。该方法统一支持单表、时序与关系型数据，2 分钟构建生成器、6 秒采样 5 万行，并在多个基准上保持接近领先方法的保真…
arXiv cs.LG32 天前
#表格数据
共 11 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
TabPFN与TabICL对比调优XGBoost：免训练模型14战全胜
一项基准测试比较了TabPFN、TabICL与调优后的XGBoost在表格数据任务上的表现，结果显示免训练的表格基础模型在14项对比中全部胜出。这挑战了梯度提升树在表格数据领域的长期主导地位，暗示预训练表格模型可能成为新的默认方案。
Hacker News35 天前
★ 3
小米表格基础模型Xiaomi-TabLDM
小米发布表格数据基础模型Xiaomi-TabLDM，通过上下文学习实现分类与回归，无需微调。在多个基准上排名前列，训练和预测时间大幅减少，并支持测试时计算扩展以提升性能。
arXiv cs.AI59 天前
★ 2
TABHGR+ 用 LLM 生成规则与超图推理实现零样本表格学习
针对现有 LLM 逐行提示成本高、忽略行间依赖的问题，作者提出 TABHGR+：用 LLM 生成规则给行打弱标签，再构建超图做标签传播并给超边加自适应权重。LLM 调用次数与数据规模无关，分类准确率超过零样本与强少样本基线。
arXiv cs.LG13 天前
★ 2
表格数据上的类型化决策模型
论文研究类型化决策模型（返回每个答案概率而非生成文本的语言模型）在表格数据上的表现，比较四种决策模型与三种大语言模型。决策模型以更低成本达到与 LLM 相当的性能，且对问题表述更稳健。但所有模型对表格组织方式都不稳健，至少三分之一的决策在重写下会改变。
arXiv NLP18 天前
★ 2
arXiv 论文提出 MotherTree：元学习合成数据改进决策树训练
论文提出 MotherTree，一种表格 Transformer，通过元学习决策树归纳，单次前向传播即可输出硬轴对齐决策树。在合成先验上预训练后，其性能与常见算法相当，并可作为强初始化器，任务微调后全面优于从零训练。
arXiv cs.LG24 天前
★ 2
AmbiTab基准套件解决表格数据对话任务消歧
研究提出「可验证模糊任务」概念，将对话式表格任务消歧分解为提问策略和求解策略，并形式化定义 oracle 泄漏。作者在 text-to-SQL 中实例化该框架，推出统一六个模糊数据集的 AmbiTab 基准套件，并用强化学习训练提问策略，在全部六个数据集上提升消歧指标。
arXiv cs.LG24 天前
★ 2
核锚定局部性正则缓解固定目标异常检测收敛崩塌
论文刻画了固定目标异常检测器的「收敛崩塌」：优化越好，检测越差，因为残差信号在异常样本上同样消失。作者指出有效异常检测需要局部性约束，提出核收缩匹配（KCM）与核锚定正则项（KAR），在 ADBench 上缓解崩塌并提升 AUROC。
arXiv cs.LG28 天前
★ 2
LWCal：噪声校准标签下的表格分类器损失加权校准
论文提出 LWCal，一种仅用 CPU 的事后概率校准方法，针对校准标签本身含噪声这一被忽视的失效模式，通过降低与基模型预测相矛盾的噪声样本权重来校准。其变体 Gated-LWCal 加入保守分歧门控，在九个表格任务上取得最低校准误差，随机森林实验中 ECE 从 0.188 降至 0.122。方法…
arXiv cs.LG39 天前
★ 2
语义一致的表格扩散生成框架
论文提出一种语义一致的表格扩散框架，利用LLM从元数据和文本描述中提取列内语义与列间符号规则作为弱语义先验。这些先验被用作生成条件而非事后过滤，从而在保持分布保真度的同时确保跨列依赖的规则一致性。在六个真实表格基准上，该方法在分布保真度、语义一致性和下游任务效用上均优于VAE、GAN、LLM和扩散…
arXiv cs.LG47 天前
★ 2
Literati：最优形状广义树归纳算法
论文提出 Literati，首个可保证最优性的形状广义树（SGT）归纳算法，将阈值分裂推广为可学习的单变量形状函数。作者用 AND/OR 图联合优化树结构与形状函数复杂度，并设计带启发式的 AO* 求解算法。在 24 个真实数据集上，Literati 的训练与测试精度均优于现有最优树方法。
arXiv cs.LG53 天前
这个主题的相关资产
相关公司小米（Xiaomi）1