Robust Spectral Watermark for Synthetic Tabular Data
University of Pennsylvania（宾夕法尼亚大学）；University of Michigan（密歇根大学）
本文提出TAB-DRW水印方案，通过频域嵌入和秩基伪随机生成提升合成表格数据的鲁棒性和效率，实验显示其在抗后处理攻击和保持数据保真度方面表现优异。
2026-05-09 cs.CR cs.LG
Is API Access to LLMs Useful for Generating Private Synthetic Tabular Data?
Boston University（波士顿大学）；Google Research（谷歌研究院）
针对最先进LLM权重不公开的问题，提出两种仅需LLM API访问的DP合成表格数据算法，扩展Private Evolution并定义查询工作负载距离度量，发现LLM API访问未必提升数据质量并给出改进方向。
2025-02-10 cs.CR cs.LG
TabularARGN: A Flexible and Efficient Auto-Regressive Framework for Generating High-Fidelity Synthetic Data
MOSTLY AI
本文提出TabularARGN自回归生成框架，通过训练所有条件概率支持公平性生成、缺失填补和任意列条件生成，在保证高合成质量的同时显著降低训练与推理时间。
2025-02-06 cs.LG
Membership Inference over Diffusion-models-based Synthetic Tabular Data
University of Alberta（阿尔伯塔大学）
该研究针对基于扩散模型的合成表格数据生成方法，提出基于逐步误差比较的查询式 MIA，评估 TabDDPM 与 TabSyn 的隐私风险，发现前者更易受攻击、后者更具韧性。
2025-10-16 cs.AI cs.CR cs.LG
Hierarchical Conditional Tabular GAN for Multi-Tabular Synthetic Data Generation
KTH（皇家理工学院）
本文提出 HCTGAN 算法用于从复杂多表数据集高效合成多表数据，实验表明其在深度复杂多表数据集上比概率模型 HMA1 采样更高效且始终保证参照完整性，而 HMA1 更适合侧重数据质量的小数据集。
2024-11-11 cs.DB cs.LG
dpart: Differentially Private Autoregressive Tabular, a General Framework for Synthetic Data Generation
Hazy（Hazy公司）；University of Edinburgh（爱丁堡大学）；University College London（伦敦大学学院）
我们提出了一个通用的，灵活的，可扩展的框架dpart，一个开源的Python库的差异私人合成数据生成。该方法的核心是自回归建模-将联合数据分布分解为一系列低维条件分布，通过各种方法捕获，例如机器学习模型（逻辑/线性回归，决策树等），简单的直方图计数或自定义技术。创建该图书馆的目的是作为一个快速和可访问的基线，并容纳广泛的用户，从那些在合成数据生成方面迈出第一步的用户，到那些具有领域专门知识的更有经验的用户，他们可以配置建模的不同方面并提出新的方法/机制。dpart的具体实例包括Independent，PrivBayes的优化版本，以及新提出的模型dp-mappop。代码：https://github.com/hazy/dpart
2022-07-12 cs.CR cs.LG
Contrastive Learning-Based privacy metrics in Tabular Synthetic Datasets
Aindo（艾因多（Aindo））；University of Trieste（的里雅斯特大学）
本文提出基于对比学习的嵌入方法改进表格合成数据隐私评估，实验表明简单高效的隐私度量可与符合GDPR的先进方法相媲美。
2025-03-10 cs.CR cs.LG
On the Usefulness of Synthetic Tabular Data Generation
Amazon AWS AI/ML（亚马逊云科技人工智能/机器学习部门）
本研究针对数据共享、数据增强、类别平衡和数据摘要四种用例，基准测试了合成表格数据对机器学习训练的影响，发现仅在部分数据集的类别平衡上有轻微改善，整体缺乏证据支持其对ML训练的有用性。
2023-06-27 cs.LG
MalDataGen: A Modular Framework for Synthetic Tabular Data Generation in Malware Detection
本文提出开源模块化框架MalDataGen，利用WGAN-GP和VQ-VAE等深度学习模型生成高保真合成表格数据，通过双重验证与多分类器评估证明其优于SDV等基准，有效缓解恶意软件检测中的高质量数据稀缺问题。
2025-11-01 cs.AI cs.CR cs.LG
FedTabDiff: Federated Learning of Diffusion Probabilistic Models for Synthetic Mixed-Type Tabular Data Generation
University of St.Gallen（圣加仑大学）；Deutsche Bundesbank（德意志联邦银行）；International Computer Science Institute (ICSI)（国际计算机科学研究所）
本文提出FedTabDiff框架，将去噪扩散概率模型扩展到联邦学习场景，在无需集中访问原始数据的情况下，通过同步更新和加权平均实现多实体协作训练，生成高保真、高实用性且保护隐私的混合类型表格数据。
2024-01-11 cs.LG
DP-TLDM: Differentially Private Tabular Latent Diffusion Model
TU Delft, Delft, Netherlands , University of Neuchâtel, Neuchâtel, Switzerland Universidad de los Andes, Bogotá, Colombia Centrum Wiskunde \& Informatica, Amsterdam, Netherlands
针对表格合成数据质量与隐私风险难以兼顾的问题，提出基于 f-DP 和 DP-SGD 的 DPTLDM，在保持相当隐私风险的同时显著提升相似性、下游效用和可判别性。
2025-07-21 cs.CR cs.LG
Evaluating Inter-Column Logical Relationships in Synthetic Tabular Data Generation
Department of Engineering, University of Cambridge（剑桥大学工程系）；The Alan Turing Institute, London（伦敦艾伦·图灵研究所）
本文提出三种评估指标，用于评估合成表格数据中列间逻辑关系的保持情况，并通过实验证明现有方法在保持逻辑一致性方面存在不足，讨论了改进逻辑关系建模的可能路径。
2026-05-17 cs.LG
Assessment of Differentially Private Synthetic Data for Utility and Fairness in End-to-End Machine Learning Pipelines for Tabular Data
AI for Good Research Lab, Microsoft（微软AI for Good研究实验室）；Department of Electrical Engineering, University of Brasilia（巴西利亚大学电气工程系）；INSITRO
本文系统评估了差分隐私合成数据在表格数据端到端机器学习流程中的效用与公平性，提出不依赖真实数据的训练评估框架，并发现基于边缘分布的生成器（尤其是MWEM PGM）优于GAN方法，可训练出接近真实数据效用的模型。
2023-10-30 cs.CR cs.LG
Preserving logical and functional dependencies in synthetic tabular data
Institute of Computer Science, University of Rostock（罗斯托克大学计算机科学学院）；Leibniz-Institute for Food Systems Biology（莱布尼茨食品系统生物学研究所）；Technical University of Munich, Freising（慕尼黑工业大学弗赖辛校区）；Stellenbosch Institute for Advanced Study（斯泰伦博斯高级研究院）；Indian Institute of Science Education and Research, Thiruvananthapuram（特里凡得琅印度科学教育与研究学院）
本文引入属性间逻辑依赖概念及量化度量，评估多种最先进合成数据生成算法在公开数据集上保留逻辑与函数依赖的能力，发现现有算法未完全保留函数依赖但部分能保留逻辑依赖，为开发特定任务模型提供研究契机。
2024-09-26 cs.AI cs.LG
Generating Synthetic Relational Tabular Data via Structural Causal Models
CONTACT Software GmbH（CONTACT软件公司）
本文提出基于结构因果模型的新框架，用于生成包含跨表因果关系和复杂依赖关系的合成关系型表格数据，并通过实验验证其能够模拟真实场景，弥补现有方法仅针对单表数据的不足。
2025-07-04 cs.AI cs.LG stat.AP
Synthetic Tabular Data Generation: A Comparative Survey for Modern Techniques
University of North Carolina at Charlotte（北卡罗来纳州夏洛特大学）
本文综述了合成表格数据生成的现代技术，提出基于实际生成目标的新分类法与基准框架，以兼顾隐私与数据效用，为未来研究与隐私关键环境部署提供路线图。
2025-07-15 cs.LG
Comparing Synthetic Tabular Data Generation Between a Probabilistic Model and a Deep Learning Model for Education Use Cases
University of Pretoria（比勒陀利亚大学）；University of the Witwatersrand（金山大学）
生成合成数据的能力在不同的领域中具有各种用例。在教育研究中，越来越需要获得合成数据来测试某些概念和想法。近年来，几种深度学习架构被用于帮助生成合成数据，但结果各不相同。在教育背景下，实现需要大型数据集的不同模型的复杂性变得非常重要。本研究旨在比较概率模型（特别是贝叶斯网络）和深度学习模型（特别是使用分类任务的生成对抗网络）之间合成表格数据生成的应用。这项研究的结果表明，由于概率的相互依赖性，合成表格数据生成更适合使用概率模型的教育环境（总体准确率为75%），而不是深度学习架构（总体准确率为38%）。最后，我们建议应探索和评估其他数据类型在为教育用例生成合成数据方面的应用。
2022-10-16 cs.LG
Diffusion-Driven Synthetic Tabular Data Generation for Enhanced DoS/DDoS Attack Classification
本文提出利用扩散模型生成合成表格数据以解决网络入侵检测中的类别不平衡问题，通过增强少数类样本提升攻击分类性能。
2026-01-30 cs.AI cs.CR cs.LG
SoK: Reconstruction Attacks on Synthetic Tabular Data (Insights from Winning the NIST CRC)
School of Engineering and Technology, University of Washington Tacoma（华盛顿大学塔科姆分校工程与技术学院）；Department of Mathematics, Computer Science, and Statistics, Ghent University（根特大学数学、计算机科学与统计学系）
本文系统化了针对去标识化和合成表格数据的重建攻击，提出分类法、最全面的实证评估和新攻击，并引入解释攻击成功的方法论，发现合成数据生成方法比攻击选择更影响风险，差分隐私仅在低预算下有效。
2026-09-22 cs.CR cs.LG
Differentially Private Synthetic Data via APIs 4: Tabular Data
Microsoft（微软）
提出Tab-PE算法，将Private Evolution框架扩展至表格数据，通过启发式算子迭代优化候选数据集，在保持差分隐私的同时高效处理高阶相关性，相比基线AIM分类准确率提升最高10%，速度提升28倍。
2026-06-06 cs.LG
Convex space learning for tabular synthetic data generation
Institute of Computer Science, University of Rostock（罗斯托克大学计算机科学学院）；Stellenbosch Institute for Advanced Study（斯泰伦博斯高等研究院）；School of Data Science, Indian Institute of Science Education and Research Thiruvananthapuram（印度 Thiruvananthapuram 科学教育与研究学院数据科学学院）
本文提出 NextConvGeN 深度生成架构，通过学习表格数据邻域的凸空间生成完整合成数据集，并在十个生物医学数据集上验证其效用与隐私表现优势。
2025-02-20 cs.LG
TabSynDex: A Universal Metric for Robust Evaluation of Synthetic Tabular Data
Birla Institute of Technology and Science (BITS) Pilani（贝拉理工学院 Pilani校区）；School of Computer Engineering, Kalinga Institute of Industrial Technology (Deemed to be University)（卡林加工业技术学院（准大学）计算机工程学院）
本文提出通用单一评估度量 TabSynDex，通过多分量得分衡量合成表格数据与真实数据的相似性，并可用于观察神经网络训练过程，实验证明其优于现有度量。
2024-06-08 cs.LG
Dependency-aware synthetic tabular data generation
Institute of Computer Science, University of Rostock, Germany（罗斯托克大学计算机科学研究所）；Leibniz-Institute for Food Systems Biology, Technical University of Munich, Freising, Germany（马克斯·普朗克食品系统生物学研究所，慕尼黑技术大学）；Stellenbosch Institute for Advanced Study, South Africa（斯坦伦博斯高级研究学院，南非）；School of Data Science, Indian Institute of Science Education（印度科学教育与研究学院数据科学学院）
针对合成表格数据难以保持函数与逻辑依赖的问题，提出HFGF框架，先生成独立特征再依据规则重建依赖特征，并在多基准、六类模型上验证其结构保真度与下游效用提升。
2025-07-25 cs.LG
DP-TBART: A Transformer-based Autoregressive Model for Differentially Private Tabular Data Generation
Stanford University（斯坦福大学）；Bloomberg（彭博社）
针对差分隐私表格数据生成中深度学习方法表现落后于边际方法的问题，提出基于Transformer的DP-TBART自回归模型，性能可比肩甚至超越最优边际方法，并提供理论框架分析两类方法的适用场景。
2023-07-19 cs.CR cs.LG
dpmm: Differentially Private Marginal Models, a Library for Synthetic Tabular Data Generation
SAS；UCL（伦敦大学学院）
本文提出开源库dpmm，通过集成PrivBayes、MST和AIM三种边缘模型，提供具备端到端差分隐私保证、高可用性且功能丰富的合成表格数据生成方案。
2025-05-31 cs.AI cs.CR cs.LG
Hierarchical Synthetic Tabular Data Generation: A Hybrid Top-Down and Bottom-Up Framework
University of Southern California（南加州大学）
提出一种层次化混合自上而下和自下而上（H-TDBU）框架，通过解耦语义结构与随机纹理，结合结构驱动的逻辑约束和轻量级表格生成器，在弱多模态金融基准上提升合成数据的语义一致性和统计保真度。
2026-07-15 cs.LG
MIDST Challenge at SaTML 2025: Membership Inference over Diffusion-models-based Synthetic Tabular data
Vector Institute
本文探讨了基于扩散模型生成的合成表格数据在隐私保护方面的有效性，重点评估其对成员推断攻击的抗性，并开发了针对这些模型的新型攻击方法。
2026-05-13 cs.LG
FEST: A Unified Framework for Evaluating Synthetic Tabular Data
Communication Systems Group CSG, Department of Informatics, University of Zurich UZH（信息学院通信系统组、苏黎世大学）
本文提出统一评估框架FEST，整合隐私、相似性和机器学习效用度量，以开源Python库形式系统评估合成表格数据的隐私-效用权衡。
2025-08-22 cs.LG
Differentially Private Tabular Data Synthesis using Large Language Models
Emory University（埃默里大学）
本文提出DP-LLMTGen框架，利用预训练大语言模型通过两阶段微调和新型损失函数实现差分隐私表格数据合成，在多数据集和隐私设置下优于现有机制并具备可控生成能力。
2024-06-03 cs.CL cs.CR cs.LG
MMM and MMMSynth: Clustering of heterogeneous tabular data, and synthetic data generation
The Institute of Mathematical Sciences（数学科学研究所）；Homi Bhabha National Institute（霍米·巴巴国家研究所）
提出基于EM的MMM聚类算法和MMMsynth合成数据生成算法，分别用于异构表格数据的聚类和合成数据生成，后者在基准测试中优于其他生成器并接近真实数据训练效果。
2024-04-04 cs.LG stat.ML
Mitra: Mixed Synthetic Priors for Enhancing Tabular Foundation Models
Amazon（亚马逊）
本文首次系统研究表格基础模型中合成先验的关键属性，提出混合合成先验的Mitra模型，在分类和回归基准上优于TabPFNv2等最先进模型，且样本效率更高。
2025-10-24 cs.LG
Reimagining Synthetic Tabular Data Generation through Data-Centric AI: A Comprehensive Benchmark
Aarhus University（奥胡斯大学）；University of Cambridge（剑桥大学）；University of Belgrade（贝尔格莱德大学）
本文提出一个以数据为中心的综合基准框架，通过在11个表格数据集上评估5种先进生成模型，揭示数据画像对提升合成数据代表性及分类性能的关键作用。
2023-10-25 cs.LG
A Comprehensive Survey of Synthetic Tabular Data Generation
School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）；Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系）
本文系统综述了合成表格数据生成方法，整合传统生成方法、扩散模型和大语言模型三类技术，并从背景、生成方法、应用与挑战三方面梳理研究现状与未来方向。
2025-07-17 cs.LG
Privacy Re-identification Attacks on Tabular GANs
Norwegian University of Science and Technology（挪威科技大学）
本文研究表格型 GAN 合成数据的隐私重识别攻击，分析不同攻击者知识水平下的风险，并发现黑盒访问生成模型及进化多目标优化重构攻击会显著加剧隐私泄露。
2024-03-31 cs.CR cs.LG
ConvGeN: Convex space learning improves deep-generative oversampling for tabular imbalanced classification on smaller datasets
University of Rostock（罗斯托克大学）；Leibniz-Institute for Food Systems Biology（莱布尼茨食品系统生物学研究所）；Technical University of Munich（慕尼黑工业大学）；Technische Universität Dresden（德累斯顿工业大学）
数据通常以表格格式存储。一些研究领域倾向于使用不平衡的表格数据。由于类别不平衡，对此类数据进行监督机器学习通常很困难。合成数据生成，即，过采样是用于提高分类器性能的常用补救措施。最先进的线性插值方法，如LoRAS和ProWRAS，可用于从少数类的凸空间生成合成样本，以提高此类情况下的分类器性能。深度生成网络是用于合成样本生成的常见深度学习方法，广泛用于合成图像生成。然而，它们在不平衡分类背景下生成综合表格数据的范围没有得到充分探讨。在这篇文章中，我们表明，与基于线性插值的方法相比，现有的深度生成模型在较小的表格数据集上的不平衡分类问题上表现不佳。为了克服这个问题，我们提出了一个深度生成模型ConvGeN，它将凸空间学习的思想与深度生成模型相结合。ConvGeN学习少数类样本的凸组合的系数，使得合成数据与多数类足够不同。我们的基准测试实验表明，与现有的深度生成模型相比，我们提出的模型ConvGeN改善了这种小数据集上的不平衡分类，同时与现有的线性插值方法相当。此外，我们还讨论了我们的模型如何用于一般的合成表格数据生成，即使在数据不平衡的范围之外，也可以提高凸空间学习的整体适用性。
2022-07-13 cs.LG
Permutation-Invariant Tabular Data Synthesis
TU Delft（代尔夫特理工大学）；University of Torino（都灵大学）
表格数据合成是一种新兴的方法，可以规避严格的数据隐私法规，同时通过大数据发现知识。虽然最先进的基于AI的表格数据合成器，例如，table-GAN、CTGAN、TVAE和CTAB-GAN在生成合成表格数据时是有效的，它们的训练对输入数据的列排列敏感。在本文中，我们首先进行了广泛的实证研究，揭示了这样一个性质的排列不变性和深入分析现有的合成器。我们发现，由于表格数据的编码和网络架构，改变输入列的顺序将真实数据和合成数据之间的统计差异降低了38.67%。为了充分释放大合成表格数据的潜力，我们提出了两种解决方案：（i）AE-GAN，一种使用自动编码器网络来表示表格数据和GAN网络来合成潜在表示的合成器，以及（ii）一种特征排序算法，用于为基于CNN的合成器找到合适的输入数据列顺序。我们在五个数据集上评估了所提出的解决方案对列排列的敏感性、合成数据的质量以及在下游分析中的实用性。我们的研究结果表明，我们增强了训练合成器时的置换不变性，并进一步提高了合成数据的质量和效用，高达22%，相比现有的合成器。
2022-11-17 cs.LG
DATGAN: Integrating expert knowledge into deep learning for synthetic tabular data
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
合成数据可用于各种应用中，例如校正偏差数据集或出于模拟目的替换稀缺的原始数据。生成对抗网络（GANs）被认为是开发生成模型的最新技术。然而，这些深度学习模型是数据驱动的，因此难以控制生成过程。因此，它可能导致以下问题：生成的数据缺乏代表性，引入偏差，以及过拟合样本噪声的可能性。本文提出了有向非循环表格GAN（DAT GAN），通过将专家知识集成到深度学习模型中来生成合成表格数据，从而解决这些局限性。这种方法允许使用有向无环图（DAG）显式指定变量之间的交互。然后将DAG转换为修改的长短期记忆（LSTM）单元的网络以接受多个输入。多个DATGAN版本在多个评估指标上进行了系统测试。我们表明，最好的版本的DATGAN优于国家的最先进的生成模型在多个案例研究。最后，我们展示了DAG如何创建假设的合成数据集。
2022-03-07 cs.LG
Democratizing Tabular Data Access with an Open$\unicode{x2013}$Source Synthetic$\unicode{x2013}$Data SDK
针对隐私等因素导致的表格数据获取壁垒，本文推出开源MOSTLY AI合成数据SDK，依托TabularARGN框架集成差分隐私等功能，支持多类表格数据合成，性能优异、易用性强，可推动数据民主化。
2025-11-13 cs.LG
Structured Evaluation of Synthetic Tabular Data
Redpoll；Rutgers University（罗格斯大学）；Institute for Advanced Study（高等研究院）
本文提出一个以单一数学目标为核心的表格合成数据评估框架，通过结构分解统一现有指标并论证指标完备性，实验表明显式建模表格结构的生成器在较小数据集上表现更优。
2024-03-29 cs.LG stat.ML
Cross-table Synthetic Tabular Data Detection
Orange Labs（奥兰奇实验室）；Université de Rennes（雷恩大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；IRISA（雷恩信息与自动化研究所）
本研究探讨了跨不同生成器、领域和表格格式识别合成表格数据的挑战，提出了三个跨表基线检测器和四种评估协议，初步结果证实跨表适应任务极具挑战性。
2024-12-17 cs.DB cs.LG cs.NE
Differentially Private Synthetic High-dimensional Tabular Stream
University of California（加利福尼亚大学）
本文针对持续变化的私有数据流，提出一种满足持续差分隐私的高维表格流合成数据生成框架，结合选择-度量-拟合-迭代范式与私有计数器，并通过真实数据集实验验证其效用。
2024-08-31 cs.CR cs.IT cs.LG
TAEGAN: Generating Synthetic Tabular Data For Data Augmentation
National University of Singapore（国立新加坡大学）；Betterdata AI Singapore（Betterdata AI新加坡）
TAEGAN通过引入自监督预热训练和改进的损失函数，提升表格数据生成的稳定性与效率，优于现有方法。
2025-12-12 cs.LG
Sharing is CAIRing: Characterizing Principles and Assessing Properties of Universal Privacy Evaluation for Synthetic Tabular Data
University of Southern Denmark（南方丹麦大学）
本文针对合成表格数据隐私评估方法缺乏共识的问题，首次提出了CAIR四项原则（可比性、适用性、可解释性、代表性）及1-4等级评分量表，通过评估现有指标揭示了其优缺点，旨在促进通用隐私评估指标的标准化与共识。
2025-07-16 cs.CR cs.CY cs.LG
LLM-TabLogic: Preserving Inter-Column Logical Relationships in Synthetic Tabular Data via Prompt-Guided Latent Diffusion
Department of Engineering, University of Cambridge（剑桥大学工程系）；The Alan Turing Institute（艾伦·图灵研究所）
本文提出LLM-TabLogic方法，利用大语言模型推理捕捉表格列间的复杂逻辑关系，并通过Score-based Diffusion模型在潜在空间中生成数据，以在不需领域知识的情况下有效保持合成表格数据中的列间关系。
2026-05-17 cs.LG
Shaping the Prior: How Synthetic Task Distributions Determine Tabular Foundation Model Quality
Lexsi Labs（Lexsi实验室）
本文研究了合成任务分布对表格基础模型质量的影响，提出O'Prior方法，通过四个耦合组件构建更真实的先验，提升了下游任务的准确性和鲁棒性。
2026-10-26 cs.AI cs.LG
Deep Generative Models, Synthetic Tabular Data, and Differential Privacy: An Overview and Synthesis
Queensland University of Technology（昆士兰科技大学）
该综述聚焦表格数据集场景，梳理了深度生成模型用于合成数据生成的最新进展，阐明其在隐私敏感数据场景的价值、优势与底层概念，分析了应用挑战，为相关研究者和从业者提供参考。
2023-08-27 cs.LG stat.AP stat.CO
Generative adversarial networks vs large language models: a comparative study on synthetic tabular data generation
Cumming School of Medicine（卡明医学院）；University of Calgary（卡尔加里大学）
本文提出基于GPT-4o自然语言提示的零样本表格数据生成框架，并在三个数据集上与CTGAN比较，证明其在统计保真度和隐私上更优。
2025-02-20 cs.CL cs.LG
From Synthetic Priors to Model Behavior: Structural Coverage in Tabular Foundation Models
CSIRO（联邦科学与工业研究组织）
本文从分布归因角度，通过结构覆盖和归一化密度衡量四种表格基础模型的合成预训练先验对基准任务的覆盖，发现更强支持与更好性能相关，提出结构覆盖作为诊断工具。
2026-09-09 cs.AI cs.LG
Synthetic Tabular Data Generation for Class Imbalance and Fairness: A Comparative Study
Freie Universität Berlin（柏林自由大学）；Universität der Bundeswehr München（慕尼黑联邦国防军大学）
本文比较研究最先进的合成表格数据生成模型与多种采样策略，以同时缓解现实表格数据中的类别和群体不平衡，并在四个数据集上验证其改善公平性与效用的效果。
2024-09-08 cs.AI cs.LG
Robust Detection of Synthetic Tabular Data under Schema Variability
Orange Labs Lannion（奥兰治实验室拉尼永）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；IRISA（法国信息与随机系统研究所）
本文提出了一种新的数据级Transformer架构，有效提升了在模式变化下检测合成表格数据的鲁棒性和准确性。
2025-12-01 cs.AI cs.DB cs.LG
Ensembling Membership Inference Attacks Against Tabular Generative Models
University of California Los Angeles（加州大学洛杉矶分校）；Stanford University（斯坦福大学）
针对表格生成模型的成员推断攻击，提出集成方法以在不确定性下实现更稳健、遗憾最小化的隐私审计策略。
2025-09-02 cs.CR cs.LG
Beyond Distributional Fidelity: Causal-Penalized Diffusion for Synthetic Tabular Data
University of California, Los Angeles（加州大学洛杉矶分校）；University of California, San Diego（加州大学圣地亚哥分校）；Xiamen University（厦门大学）
该研究针对合成表格数据生成器仅优化分布保真度无法保留因果效应的问题，提出因果惩罚的TabDDPM框架，经实验验证可在提升因果保真度的同时保持竞争力统计保真度。
2026-10-09 cs.LG stat.ML
EPIC: Effective Prompting for Imbalanced-Class Data Synthesis in Tabular Data Classification via Large Language Models
KAIST（韩国科学技术院）
本研究针对表格数据分类中的类别不平衡问题，提出名为EPIC的大语言模型提示方法，通过均衡分组样本与一致格式引导生成合成数据，实现了最优分类性能并提升了生成效率。
2025-01-14 cs.AI cs.LG
Generating Benchmark Health Data Using a Tabular Diffusion Transformer
针对现有合成表格数据生成方法难以处理多异构表格的局限，本文提出两阶段跨表格数据生成框架，结合扩散Transformer实现高保真合成数据生成，验证了其有效性。
2026-08-17 cs.AI cs.LG
