表格数据相关 AI 资讯

7月7日

12:53

官方账号arXiv cs.LG@Yury Gorishniy, Akim Kotelnikov, Ivan Rubachev, Artem Babenko

TabPack是一种针对表格数据的高效MLP集成方法，在单次运行中并行采样并训练多个不同超参数的MLP，并在训练过程中动态选择集成成员。在多个中大型公开数据集上，TabPack的默认设置性能与经过大量调优的先前方法相当。运行TabPack默认配置在一台MacBook上所需时间少于在工业级GPU上调优某些基线的时间。

论文 TabPack MLP 表格数据超参数调优高效集成

推荐理由：TabPack让你不用费心调参就能达到好效果，在普通笔记本上跑都比别人用GPU调参快。

原文

7月2日

14:00

AI Will@FinanceYF5

73°

Google Research 发布了 TabFM，一个专门针对表格数据的基础模型。该模型支持零样本预测，无需训练、调参或特征工程。TabFM 直接输出预测结果，大幅降低使用门槛。目前该推文获得 388 次查看。

AI模型 TabFM Google Research 基础模型零样本表格数据

推荐理由：如果你厌倦了 XGBoost 调参，TabFM 不用训练直接预测，省时省力，适合表格数据任务。

原文

13:58

AI Will@FinanceYF5

精选

该架构通过交替行列注意力机制同时学习表格中行与列的关系，解决了行列无序问题。采用先压缩每行为向量再进行上下文学习的方式提升计算效率。专门为表格数据重新设计，而非直接套用通用大语言模型。

AI模型表格数据架构设计交替注意力 In-Context Learning

推荐理由：专门为表格数据设计的架构，用交替行列注意力处理无序，还压缩行向量做上下文学习，比硬套LLM聪明多了。

原文

7月1日

15:54

官方一手marktechpost@Asif Razzaq

Google Research 推出了 TabFM，一个基于混合注意力机制的表格基座模型。它能够在零样本设置下完成分类与回归任务，通过上下文学习实现单次前向传播预测。该模型无需对每个新数据集进行训练、超参数调整或特征工程。TabFM 为表格数据场景提供了即开即用的预测能力。

AI模型 TabFM Google AI 表格数据零样本预测基座模型

推荐理由：Google 新出的 TabFM 模型，不用任何训练就能直接搞定表格数据的分类和回归，一次前向传播出结果，省心省力。

原文

10:40

官方账号arXiv cs.AI@Yuqing Yang, Qi Zhu, Zhen Han, Boran Han, Zhengyuan Shen, Shuai Wang, Vassilis N. Ioannidis, Huzefa Rangwala

这篇论文首次系统评估了大型语言模型在表格任务中的数据引用错误（DRE），覆盖1.7B到20B参数的各种模型。实验发现所有测试模型均存在DRE。通过基于批评模型的过滤和拒绝采样，答案准确率最高提升12.0%。作者训练了一个轻量级4B参数批评模型，在检测分布内和分布外DRE时平均F1达78.2%，并能有效辅助更大模型推理。

论文 LLM 表格数据数据引用错误批评模型 4B参数

推荐理由：论文系统测量了LLM读表格犯数据引用错误的频率，还训练了个4B批评模型能查出这些错，推理准确率提升12%。适合做表格推理的开发者看。

原文

6月4日

11:05

官方账号arXiv cs.LG@Lixing Zhang, Yidong Ouyang, Weifu Li, Shixiang Zhu, Guang Cheng, Liyan Xie

传统缺失值填补方法假设所有缺失都是随机且应被恢复，但现实中缺失可能来自两种不同来源：有意义缺失（数据本身不存在）和观测缺失（应被填补）。研究者提出Diff-Joint，一个基于扩散的框架，联合建模表格数据与潜在缺失掩码，通过条件采样和不确定性感知聚合迭代优化填补值与缺失标签。实验表明，该方法能有效识别有意义缺失，同时保持竞争性填补精度并提升下游任务性能。

论文缺失值填补扩散模型不确定性感知表格数据 Diff-Joint

推荐理由：处理表格数据的团队终于有了区分“不该填”和“该填”缺失值的工具——Diff-Joint解决了传统填补方法盲目恢复所有缺失的痛点，做数据清洗或医疗、金融等缺失值有语义含义的开发者可以直接试。

原文

5月29日

12:14

官方账号arXiv cs.LG@M. Ross Kunz, John Merickel, Keith Wilson

该论文提出一种针对数值表格数据集的统计嵌入方法，通过结构化探索性数据分析描述符、预训练句子变换器和典型相关分析（CCA）实现跨数据集相似性检索与可解释对齐。方法无需共享变量名或特征约定，能自动识别驱动对齐的关键统计描述符，并支持差分隐私保护。在15个数据集（涵盖通用基准、材料信息学和核级石墨表征）上评估，P@1分数达0.9，检索和聚类结构鲁棒。该框架为异构数值数据集成到检索增强生成（RAG）流水线提供了统计上下文保留的路径，适用于数据驱动算法选择和模拟模型初始化。

论文统计嵌入表格数据典型相关分析检索增强生成差分隐私

推荐理由：做数据科学或材料信息学的团队终于有了一个无需统一变量名就能对齐异构表格数据的方法，检索准确率高达0.9还支持隐私保护，做RAG或算法选择的开发者可以直接参考。

原文