CoDi: Co-evolving Contrastive Diffusion Models for Mixed-type Tabular Synthesis
Yonsei University(延世大学)
本文提出CoDi方法,通过两个互为条件且协同演化的扩散模型分别处理连续与离散变量,并引入对比学习与负采样强化二者关联,在11个数据集上验证了其在混合类型表格合成中的有效性。
2023-09-21 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
CTG-KrEW: Generating Synthetic Structured Contextually Correlated Content by Conditional Tabular GAN with K-Means Clustering and Efficient Word Embedding
Indian Institute of Technology Kharagpur(印度理工学院克勒格布尔分校);Missouri University of Science and Technology(密苏里科技大学)
本文提出CTG-KrEW框架,结合K-Means聚类和词嵌入改进CTGAN,以高效生成语义连贯的合成表格数据,并在Upwork数据集上验证其效果,显著降低CPU时间和内存占用。
2024-09-03 cs.CL cs.LG
Constrained Tabular Diffusion for Finance
University of Virginia(弗吉尼亚大学);Massachusetts Institute of Technology(麻省理工学院);Harvard University(哈佛大学);Visa Inc(Visa公司)
提出CTDF方法,通过将训练时无约束的表格扩散与采样时的可行性操作结合,在金融数据生成中实现硬约束满足,零违规且提升稀缺数据效用。
2026-06-27 cs.AI cs.LG
Invertible Tabular GANs: Killing Two Birds with OneStone for Tabular Data Synthesis
Yonsei University(延世大学);Samsung SDS(三星数据系统公司(Samsung SDS))
表格数据综合在文献中得到了广泛的关注。这是因为可用的数据通常是有限的,不完整的,或者不能轻易获得,数据隐私变得越来越重要。在这项工作中,我们提出了一个广义的GAN框架,用于表格合成,它结合了GANs的对抗训练和可逆神经网络的负对数密度正则化。拟议的框架可用于两个不同的目标。首先,我们可以进一步提高合成质量,通过降低对抗训练过程中真实记录的负对数密度。另一方面,通过增加真实记录的负对数密度,可以合成真实的假记录,使它们不太接近真实记录,并减少潜在的信息泄漏的机会。我们使用真实世界的数据集进行分类,回归和隐私攻击的实验。一般来说,所提出的方法展示了最佳的合成质量(就面向任务的评估指标而言,例如,F1)在对抗训练期间降低负对数密度时。实验结果表明,如果增加负对数密度,真实记录和虚假记录之间的距离增加,增强了对隐私攻击的鲁棒性。
2022-02-08 cs.AI cs.LG
QTabGAN: A Hybrid Quantum-Classical GAN for Tabular Data Synthesis
Department of Computer Science and Engineering, Indian Institute of Technology (BHU), Varanasi, India(计算机科学与工程系,印度理工学院(BHU),瓦拉纳西,印度);Department of Applied Mathematics and Theoretical Physics, University of Cambridge, Cambridge, United Kingdom(应用数学与理论物理系,剑桥大学,剑桥,英国)
QTabGAN通过结合量子电路和经典神经网络,提升表格数据合成的效率与准确性,实现高达54.07%的性能提升。
2026-03-05 cs.LG quant-ph
Feasible and Novel Synthetic Population Generation with Tabular and Sequential Travel Attributes
Concordia University(康考迪亚大学);Toronto Metropolitan University(多伦多都会大学)
该研究针对合成人群生成的抽样零值与不可行结构零值问题,提出带IGP、LDR、CLAP正则化项的两阶段生成框架,提升了表格与序列出行属性合成的可行性、多样性与新颖性。
2026-08-18 cs.AI cs.LG
Generating Realistic Synthetic Relational Data through Graph Variational Autoencoders
Aindo;University of Trieste(的里雅斯特大学);Katholieke Universiteit Leuven(鲁汶大学);Business Integration Partners (BIP)(商业集成伙伴公司(BIP));Chaucer(乔叟公司)
合成数据生成作为传统数据匿名化的更可靠的替代方案最近获得了广泛的关注。所涉及的方法最初是为图像合成而开发的。因此,它们在医疗保健、金融和其他行业的典型表格和关系数据集上的应用是非常重要的。虽然大量的研究已经致力于现实的表格数据集的生成,合成关系数据库的研究仍处于起步阶段。在本文中,我们结合变分自编码器框架与图神经网络来生成真实的合成关系数据库。然后,我们将得到的方法应用到两个公开的数据库中的计算实验。结果表明,真实数据库的结构准确地保留在合成数据集,即使是大型数据集与先进的数据类型。
2022-11-30 cs.AI cs.LG
Causal-TGAN: Generating Tabular Data Using Causal Generative Adversarial Networks
Stevens Institute of Technology(史蒂文斯理工学院)
合成数据生成作为隐私泄露和数据短缺的解决方案变得流行。生成式模型的目的是生成一个真实的合成数据集,它可以精确地表达真实数据集的数据分布。生成对抗网络(GAN)在计算机视觉领域取得了巨大的成功,被广泛用于合成数据的生成。虽然之前的研究已经取得了很大的进展,但大多数研究都是学习数据分布中的相关性,而不是数据集自然生成的真实过程。相关性是不可靠的,因为它是一种统计技术,只告诉线性相关性,很容易受到数据集的偏见。因果关系编码了真实数据如何自然生成的所有潜在因素,比相关性更可靠。在这项工作中,我们提出了一个因果模型命名为因果表格生成神经网络(Causal-TGAN)生成合成表格数据使用表格数据的因果信息。在模拟数据集和真实数据集上进行的大量实验表明,当给定真实因果图时,我们的方法具有更好的性能,当使用估计因果图时,我们的方法具有相当的性能。
2021-04-21 cs.AI cs.LG
TabGift: A Context-Efficient Foundation Model for Tabular Data Generation
School of Artificial Intelligence, Nanjing University(南京大学人工智能学院);National Key Laboratory for Novel Software Technology, Nanjing University(南京大学计算机软件新技术国家重点实验室)
本文提出TabGift,一种上下文高效的表格基础模型,通过预训练表格编码器与上下文扩散模型实现有限上下文下的表格数据生成,在7个分类和11个回归数据集上的合成数据质量优于基线,适配与生成速度更快。
2026-10-14 cs.AI cs.LG
Cascaded Flow Matching for Heterogeneous Tabular Data with Mixed-Type Features
Econometric Institute, Erasmus University Rotterdam, Rotterdam, The Netherlands(荷兰埃因霍温鲁特兰大学经济研究所)
本文提出级联流匹配方法,用于生成混合类型特征的表格数据,通过低分辨率和高分辨率的结合,提升生成质量与分布细节的准确性。
2026-05-13 cs.LG stat.ML
MissDiff: Training Diffusion Models on Tabular Data with Missing Values
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Renmin University of China(中国人民大学);University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本文提出MissDiff框架,通过掩码去噪分数匹配的回归损失解决表格数据缺失值问题,避免了“先插补后生成”的偏差,在多个数据集上大幅优于现有扩散模型。
2023-07-02 cs.LG stat.ML
REaLTabFormer: Generating Realistic Relational and Tabular Data using Transformers
The World Bank(世界银行)
表格数据是组织数据的常见形式。多个模型可用于生成观测独立的合成表格数据集,但很少有模型能够生成关系数据集。对关系数据进行建模具有挑战性,因为它需要对“父”表及其跨表的关系进行建模。我们介绍REaLTabFormer(Realistic Relational and Tabular Transformer),一个表格和关系的合成数据生成模型。它首先使用自回归GPT-2模型创建父表,然后使用序列到序列(Seq 2Seq)模型生成以父表为条件的关系数据集。我们实现了目标屏蔽,以防止数据复制,并提出了$Q_δ$统计和统计自举检测过拟合。使用真实世界数据集的实验表明,REaLTabFormer比基线模型更好地捕捉关系结构。REaLTabFormer还可以在预测任务上实现最先进的结果,“开箱即用”,用于大型非关系数据集,而无需微调。
2023-02-04 cs.LG
GReaTER: Generate Realistic Tabular data after data Enhancement and Reduction
针对表格数据生成中语义不足、多表关联难的问题,提出GReaTER框架,通过语义增强和跨表连接优化LLM的表格数据生成效果,性能优于GReaT框架。
2025-03-19 cs.LG
Improving Credit Card Fraud Detection through Transformer-Enhanced GAN Oversampling
提出一种结合Transformer编码器的GAN过采样方法,生成高质量合成少数类样本,在信用卡欺诈数据集上显著提升召回率、F1分数和AUC,有效解决类别不平衡问题。
2025-09-24 cs.LG
Constrained Adaptive Attacks: Realistic Evaluation of Adversarial Examples and Robust Training of Deep Neural Networks for Tabular Data
University of Luxembourg(卢森堡大学);RIKEN AIP(日本理化学研究所革新智能统合研究中心)
针对表格数据深度学习模型缺乏现实对抗鲁棒性评估方案的问题,提出结合梯度与搜索的无参数迭代约束自适应攻击CAA,构建覆盖三类场景、十种威胁模型的基准,明确影响鲁棒性的因素并给出改进建议。
2023-11-08 cs.LG
TabCausal: Pretraining Across Causal Environments for Tabular Causal Discovery
Nanjing University(南京大学)
提出TabCausal,一种通过动态任务构建策略在多样化因果环境中进行大规模预训练的因果发现基础模型,在合成和语义基准上优于现有方法。
2026-08-19 cs.LG
TabMosaic: Unified In-Context Diffusion for Tabular Generative Tasks
KAIST(韩国科学技术院);Oregon State University(俄勒冈州立大学)
本研究提出TabMosaic,一种无需表格特定训练的统一上下文内扩散模型,将表格生成任务统一为联合多单元格生成问题,在48个真实表格的所有生成任务中优于20种基线方法。
2026-10-14 cs.AI cs.LG
BSTabDiff: Block-Subunit Diffusion Priors for High-Dimensional Tabular Data Generation
West Virginia University(西弗吉尼亚大学);The University of Utah(犹他大学)
针对高维低样本量表格数据,提出BSTabDiff框架,通过将特征划分为潜在块并使用共享低维子单元变量生成每个块,结合扩散先验和copula依赖,实现稳定合成与可控基准生成。
2026-11-10 cs.AI cs.LG stat.ML
zGAN: An Outlier-focused Generative Adversarial Network For Realistic Synthetic Data Generation
针对黑天鹅现象下机器学习模型性能受异常值影响的问题,提出zGAN生成对抗网络,可生成带异常值的逼真表格合成数据,增强特征相关性,在公私数据集上验证了其数据生成与模型性能提升效果。
2024-10-29 cs.LG
Beyond the convexity assumption: Realistic tabular data generation under quantifier-free real linear constraints
University of Oxford(牛津大学);Imperial College London(伦敦帝国学院)
本文提出析取细化层(DRL),使深度生成模型在无量词实数线性约束下生成符合背景知识的真实表格数据,消除违规并提升下游任务性能。
2025-02-25 cs.LG
Turning the Tables: Biased, Imbalanced, Dynamic Tabular Datasets for ML Evaluation
Feedzai;Faculdade de Ciências da Universidade do Porto(波尔图大学理学院);INESCTEC Universidade do Porto(波尔图大学系统与计算机工程、技术与科学研究所)
在现实数据集上评估新技术在ML研究的发展及其被从业者更广泛采用方面起着至关重要的作用。近年来,用于计算机视觉和NLP任务的公开可用的非结构化数据资源显著增加。然而,表格数据-在许多高风险领域普遍存在-一直落后。为了弥合这一差距,我们提出了银行账户欺诈(BAF),这是第一个公开的隐私保护,大规模,现实的表格数据集套件。该套件是通过将最先进的表格数据生成技术应用于匿名的真实世界银行开户欺诈检测数据集而生成的。这种设置带来了一系列现实应用中常见的挑战,包括时间动态和显著的类不平衡。此外,为了允许从业者对ML方法的性能和公平性进行压力测试,BAF的每个数据集变体都包含特定类型的数据偏差。有了这个资源,我们的目标是为研究界提供一个更现实,完整和强大的测试平台,以评估新的和现有的方法。
2022-11-28 cs.LG
VCNet: A self-explaining model for realistic counterfactual generation
Orange Labs(橙色实验室);Univ Rennes(雷恩大学);Inria(法国国家信息与自动化研究所);CNRS(法国国家科学研究中心);IRISA(信息与随机系统研究所)
反事实解释是对机器学习决策进行局部解释的一类常见方法。对于给定的实例,这些方法旨在找到改变由机器学习模型做出的预测决策的特征值的最小修改。反事实解释的挑战之一是如何有效地生成现实的反事实。为了应对这一挑战,我们提出了VCNet变分计数器网络模型架构,结合了预测器和反事实发生器,联合训练,回归或分类任务。VCNet能够生成预测,并生成反事实解释,而无需解决另一个最小化问题。我们的贡献是生成接近预测类分布的反事实。这是通过以联合训练方式有条件地学习变分自编码器到预测器的输出来完成的。我们对表格数据集和几个可解释性指标进行了实证评估。结果与最先进的方法具有竞争力。
2022-12-21 cs.AI cs.LG
How Realistic Is Your Synthetic Data? Constraining Deep Generative Models for Tabular Data
University of Luxembourg(卢森堡大学);Vienna University of Technology(维也纳技术大学);University of Oxford(牛津大学)
本文提出约束深度生成模型(C-DGMs),通过自动解析约束并集成约束层,确保表格数据生成符合背景知识,实验显示违规率从超95%降至零,效用提升达6.5%。
2024-02-07 cs.LG
TimeAutoDiff: A Unified Framework for Generation, Imputation, Forecasting, and Time-Varying Metadata Conditioning of Heterogeneous Time Series Tabular Data
UCLA(美国大学联盟);Microsoft(微软公司);Xiamen Univ.(厦门大学);CMU(卡内基梅隆大学)
TimeAutoDiff通过统一框架实现时间序列生成、填补、预测及元数据条件生成,结合轻量级VAE和扩散模型,提升效率与泛化能力
2025-12-06 cs.AI cs.LG
MCCE: Monte Carlo sampling of realistic counterfactual explanations
Norwegian Computing Center(挪威计算中心)
提出面向表格数据的 MCCE 方法,利用决策树条件分布的自回归模型和蒙特卡洛采样生成有效、真实且可操作的反事实,并在四个数据集上全面超越现有流形上方法。
2024-01-25 cs.LG stat.ML
Exploiting Function-Family Structure in Analog Circuit Optimization
School of Integrated Circuit Science and Engineering, Beihang University(集成电路科学与工程学院,北航);School of Mechatronic Control Engineering, Shenzhen University(机械电子控制工程学院,深大);School of Mathematical and Physical Science, University of Sheffield(数学与物理科学学院,谢菲尔德大学)
本文提出电路先验网络CPN,利用预训练表格模型和直接预期改进方法,在模拟电路优化中实现高精度和高效性能。
2025-11-30 cs.LG
Generating Realistic Tabular Data with Large Language Models
Deakin University(迪肯大学);Applied Artificial Intelligence Institute(应用人工智能研究院)
针对现有大语言模型表格生成方法无法捕捉特征与目标变量关联的问题,提出含排列策略、条件采样、提示查询生成标签的改进方法,在20个数据集上优于10个SOTA基线,半数量基准上合成数据训练的分类器可比肩原始数据训练的模型。
2024-10-29 cs.AI cs.LG
Guided Discrete Diffusion for Electronic Health Record Generation
Optum AI(奥普特姆人工智能公司);University of California, Los Angeles(加州大学洛杉矶分校)
提出 EHR-D3PM 离散扩散方法生成逼真表格 EHR,支持无条件与条件生成,在保真度、效用、隐私风险及下游数据增强上优于现有基线。
2024-06-14 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
ReTabSyn: Realistic Tabular Data Synthesis via Reinforcement Learning
University of California, Berkeley(加州大学伯克利分校)
ReTabSyn通过强化学习优先学习条件分布,提升小数据下表格数据合成效率,优于现有基线方法。
2026-06-08 cs.LG stat.ML
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
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
Synthesizing Mixed-type Electronic Health Records using Diffusion Models
University of Oxford(牛津大学)
本文研究使用扩散模型TabDDPM生成混合类型电子健康记录,在四个数据集上验证其在数据质量、效用和增强方面优于现有方法,同时揭示了隐私与效用之间的权衡。
2023-08-10 cs.CL cs.LG
Tabular Diffusion Counterfactual Explanations
Electrical Engineering, Columbia University(哥伦比亚大学电气工程系)
针对现有扩散反事实解释多聚焦视觉领域的问题,本文提出面向表格数据类别特征的Gumbel-softmax近似引导反向扩散方法,推导理论界,实验证明其在多表格数据集上优于基线,可生成鲁棒真实的反事实解释。
2025-08-31 cs.LG
Realistic Evaluation of TabPFN v2 in Open Environments
School of Intelligence Science and Technology, Nanjing University, China(智能科学与技术学院,南京大学);National Key Laboratory for Novel Software Technology, Nanjing University, China(新型软件技术国家实验室,南京大学);School of Artificial Intelligence, Nanjing University, China(人工智能学院,南京大学)
本研究首次全面评估 TabPFN v2 在开放环境中的适应性,发现其存在显著局限,但适用于小规模、协变量偏移和类别平衡任务,并倡导开放环境基准和多指标评估以增强鲁棒性。
2025-05-22 cs.LG
Deep generative models as an adversarial attack strategy for tabular machine learning
University of Luxembourg(卢森堡大学);University of Oxford(牛津大学);Imperial College London(伦敦帝国学院)
本文针对表格机器学习,将四种流行深度生成模型改编为对抗性版本,用于生成符合领域约束的真实对抗样本,以测试系统鲁棒性。
2024-09-19 cs.AI cs.LG
TabuLa: Harnessing Language Models for Tabular Data Synthesis
National University of Singapore(新加坡国立大学);University of Turin(都灵大学);Delft University of Technology(代尔夫特理工大学)
本文提出 Tabula 表格数据合成器,通过摒弃预训练语言权重、压缩 token 序列并改进填充,在六个数据集上提升数据效用并平均缩短每轮训练时间 46.2%。
2025-02-17 cs.LG
Are Tabular Foundation Models Robust to Realistic Query Distribution Shifts in Microbiome Data?
IRD, Sorbonne Université, Unité de Modélisation Mathématique et Informatique des Systèmes Complexes (UMMISCO)(法国发展研究所、索邦大学、复杂系统数学建模与信息学单元);Inria, CNRS, I3S, Université Côte d’Azur(法国国家信息与自动化研究所、法国国家科学研究中心、信息系统与软件工程实验室、蔚蓝海岸大学);INSERM, Nutrition et Obésités(法国国家健康与医学研究院、营养与肥胖症);Approches Systémiques, NutriOmique, AP-HP, Hôpital Pitié-Salpêtrière(系统方法、营养组学、巴黎公立医院集团、皮提耶-萨勒佩特里医院)
本研究通过引入基准测试,评估表格基础模型在六个人类肠道微生物组数据集上对三种生物启发式扰动(去除高丰度类群、稀疏化、零值注入)的鲁棒性,发现即使保留判别性特征,模型性能仍下降,零值注入破坏性最大。
2026-06-25 cs.AI cs.LG q-bio.QM
A text-to-tabular approach to generate synthetic patient data using LLMs
Quinten Health Paris(巴黎Quinten健康)
提出一种基于LLM的文本到表格方法,仅需数据库描述即可在低资源下生成保留临床相关性的合成患者数据,无需原始数据或高级ML技能,为医学研究、项目实施和教育提供支持。
2025-06-24 cs.LG
CARTGen-IR: Synthetic Tabular Data Generation for Imbalanced Regression
本文提出CARTGen-IR方法,通过相关性和密度引导采样生成不平衡回归的合成表格数据,具有高效执行和高透明度的优势。
2026-03-10 cs.LG
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
Tabular Transformers for Modeling Multivariate Time Series
IBM Research(IBM研究院);T.J Watson Research Center(T.J沃森研究中心);MIT-IBM Watson AI Lab(麻省理工学院-IBM沃森人工智能实验室)
表格数据集在数据科学应用中无处不在。鉴于其重要性,应用最先进的深度学习算法来充分释放其潜力似乎是很自然的。在这里,我们提出了神经网络模型,表示表格的时间序列,可以选择利用其层次结构。这导致了表格时间序列的两种架构:一种用于学习表示,类似于BERT,可以端到端预先训练并用于下游任务,另一种类似于GPT,可用于生成真实的合成表格序列。我们在两个数据集上展示了我们的模型:一个合成的信用卡交易数据集,其中学习的表示用于欺诈检测和合成数据生成,以及一个真实的污染数据集,其中学习的编码用于预测大气污染物浓度。代码和数据可在https://github.com/IBM/TabFormer上获得。
2021-02-11 cs.AI cs.LG
Transfer Learning with Deep Tabular Models
University of Washington(华盛顿大学);University of Maryland(马里兰大学);Capital One(第一资本);New York University(纽约大学)
本文证明上游数据使表格神经网络优于GBDT模型,提出医学诊断迁移学习基准、使用指南及应对特征集差异的伪特征方法。
2023-08-07 cs.LG stat.ML
Synthetic Flight Data Generation Using Generative Models
Faculty of Aerospace Engineering(航空航天工程学院);Delft University of Technology (TU Delft)(代尔夫特理工大学)
本文研究生成模型生成真实飞行数据的潜力,通过四阶段评估框架评估其质量,发现TVAE在处理大规模数据时更高效,合成数据能支持与真实数据相当的航班延误预测模型。
2026-04-22 cs.LG
Mixture Experts with Test-Time Self-Supervised Aggregation for Tabular Imbalanced Regression
National Yang Ming Chiao Tung University(国立阳明交通大学)
针对表格回归中连续标签边界不清及测试分布未知不平衡的问题,提出 MATI,通过区域感知高斯混合专家与测试时自监督聚合动态适配分布,在三类测试设置下平均将 MAE 改善 7.1%。
2025-06-08 cs.LG
Addressing Key Challenges of Adversarial Attacks and Defenses in the Tabular Domain: A Methodological Framework for Coherence and Consistency
Department of Software and Information Systems Engineering(软件与信息系统工程系);Ben-Gurion University of the Negev(本·古里安大学)
针对表格域对抗样本需保持特征连贯性但现有评估指标存在缺失的问题,提出保持连贯性的扰动方法、CSAD异常检测及结合SHAP的综合评估体系,实验揭示攻防权衡并奠定研究基础。
2025-09-01 cs.LG
Accurate and Robust Generative Approach for Overcoming Data Sparsity and Imbalance in Landslide Modeling with A Tabular Foundation Model
School of Engineering and Technology, China University of Geosciences (Beijing)(工程与技术学院,中国地质大学(北京));School of Geological Engineering and Geomatics, Chang'an University(地质工程与测绘学院,长安大学)
本文提出基于表格基础模型的生成方法,解决滑坡数据稀疏和不平衡问题,通过生成多特征数据集提升滑坡 susceptibility 模型和风险评估的准确性与鲁棒性。
2026-04-28 cs.LG
PATE-TabTransGAN: Differentially Private Synthetic Tabular Data Generation via Transformer-Based Student Discrimination
Wrocław University of Science and Technology(沃拉布大学科学与技术学院)
提出PATE-TabTransGAN框架,结合教师集成私有聚合(PATE)机制与基于Transformer的学生鉴别器,在正式差分隐私保证下生成高质量合成表格数据,并在四个基准数据集上取得最优或并列最优的AUROC。
2026-05-26 cs.LG
FASTGEN: Fast and Cost-Effective Synthetic Tabular Data Generation with LLMs
Trillion Technology Solutions, Inc.(Trillion Technology Solutions公司)
FASTGEN利用大语言模型推断表格字段分布并生成可复用采样脚本,避免逐条生成,从而以更低成本高效生成多样化、真实的大规模合成数据,优于传统直接生成方法。
2025-07-21 cs.AI cs.LG
CURED: Creating, Understanding, and Repairing Errors Demonstrator
Berliner Hochschule für Technik(柏林工业大学);Einstein Center Digital Future(爱因斯坦数字未来中心)
研究表格数据错误检测与清理,结合基于机器学习的数据清理和错误模型工作,创建统一演示器,用户能上传数据、引入错误并清理,弥合了错误模型和数据清理算法理论与实践的差距。
2026-07-23 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
Trust Issues: Uncertainty Estimation Does Not Enable Reliable OOD Detection On Medical Tabular Data
Pacmed BV
在医疗保健等高风险现实环境中部署机器学习模型时,准确评估模型对异常输入的预测的不确定性至关重要。然而,有一个缺乏的文献分析这个问题的医疗数据,特别是混合类型的表格数据,如电子健康档案。我们提出了一系列的测试,包括各种各样的当代不确定性估计技术,以确定他们是否能够识别出的分布(OOD)患者,以缩小这一差距。与以前的工作相比,我们设计了现实和临床相关的OOD组的测试,并在现实世界的医疗数据上运行实验。我们发现,几乎所有的技术都未能取得令人信服的结果,部分不同意与早期的研究结果。
2020-11-06 cs.AI cs.LG stat.ML
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