南大团队提出上下文高效表格生成基础模型TabGift

Yu-Sheng Li、Jun-Peng Jiang、Han-Jia Ye 等在 arXiv 发布 TabGift 论文，提出一种面向表格数据生成的上下文高效基础模型，声称可仅凭少量上下文样本完成分布建模和合成数据生成。 方法上，TabGift 先用预训练表格编码器将异构表格映射到共享潜空间，再由上下文条件扩散模型从少量干净样本推断分布，最后通过轻量级数据集专属 MLP 解码器还原原始数据。 论文报告在 7 个分类和 11 个回归数据集上的实验中，TabGift 在合成数据质量上一致优于代表性基线；此结果来自论文作者声称，本站未独立核验。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。