Buchumschlag

CTSyn: A Foundation Model for Cross Tabular Data Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Xiaofeng, Xu, Chenheng, Yang, Matthew, Cheng, Guang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Risk In Context: Benchmarking Privacy Leakage of Foundation Models in Synthetic Tabular Data Generation
von: Byun, Jessup, et al.
Veröffentlicht: (2025)

Theoretical Understanding of In-Context Learning in Shallow Transformers with Unstructured Data
von: Xing, Yue, et al.
Veröffentlicht: (2024)

SYNTHONY: A Stress-Aware, Intent-Conditioned Agent for Deep Tabular Generative Models Selection
von: Son, Hochan, et al.
Veröffentlicht: (2026)

Synth-MIA: A Testbed for Auditing Privacy Leakage in Tabular Data Synthesis
von: Ward, Joshua, et al.
Veröffentlicht: (2025)

ReTabSyn: Realistic Tabular Data Synthesis via Reinforcement Learning
von: Lin, Xiaofeng, et al.
Veröffentlicht: (2026)

Data Plagiarism Index: Characterizing the Privacy Risk of Data-Copying in Tabular Generative Models
von: Ward, Joshua, et al.
Veröffentlicht: (2024)

Watermarking Generative Tabular Data
von: He, Hengzhi, et al.
Veröffentlicht: (2024)

Tabular Foundation Model for Generative Modelling
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2026)

Robust Tabular Foundation Models
von: Peroni, Matthew, et al.
Veröffentlicht: (2025)

Ensembling Membership Inference Attacks Against Tabular Generative Models
von: Ward, Joshua, et al.
Veröffentlicht: (2025)

UniTabE: A Universal Pretraining Protocol for Tabular Foundation Model in Data Science
von: Yang, Yazheng, et al.
Veröffentlicht: (2023)

Accurate and Robust Generative Approach for Overcoming Data Sparsity and Imbalance in Landslide Modeling with A Tabular Foundation Model
von: Shao, Kaixuan, et al.
Veröffentlicht: (2026)

Simple and Robust Forecasting of Spatiotemporally Correlated Small Earth Data with A Tabular Foundation Model
von: Yang, Yuting, et al.
Veröffentlicht: (2025)

TabSTAR: A Tabular Foundation Model for Tabular Data with Text Fields
von: Arazi, Alan, et al.
Veröffentlicht: (2025)

Towards Benchmarking Foundation Models for Tabular Data With Text
von: Mráz, Martin, et al.
Veröffentlicht: (2025)

TabularFM: An Open Framework For Tabular Foundational Models
von: Tran, Quan M., et al.
Veröffentlicht: (2024)

Tabular Data Understanding with LLMs: A Survey of Recent Advances and Challenges
von: Wu, Xiaofeng, et al.
Veröffentlicht: (2025)

Statistically Accurate and Robust Generative Prediction of Rock Discontinuities with A Tabular Foundation Model
von: Meng, Han, et al.
Veröffentlicht: (2025)

When Tables Leak: Attacking String Memorization in LLM-Based Tabular Data Generation
von: Ward, Joshua, et al.
Veröffentlicht: (2025)

On Finetuning Tabular Foundation Models
von: Rubachev, Ivan, et al.
Veröffentlicht: (2025)

Turning Tabular Foundation Models into Graph Foundation Models
von: Eremeev, Dmitry, et al.
Veröffentlicht: (2025)

Distilling Tabular Foundation Models for Structured Health Data
von: Tanna, Aditya, et al.
Veröffentlicht: (2026)

A Mechanistic Study of Tabular Foundation Models
von: Biloš, Marin, et al.
Veröffentlicht: (2026)

Causal Data Augmentation for Robust Fine-Tuning of Tabular Foundation Models
von: Bühler, Magnus, et al.
Veröffentlicht: (2026)

TimeAutoDiff: A Unified Framework for Generation, Imputation, Forecasting, and Time-Varying Metadata Conditioning of Heterogeneous Time Series Tabular Data
von: Suh, Namjoon, et al.
Veröffentlicht: (2024)

GReaTER: Generate Realistic Tabular data after data Enhancement and Reduction
von: Kwok, Tung Sum Thomas, et al.
Veröffentlicht: (2025)

TabDPT: Scaling Tabular Foundation Models on Real Data
von: Ma, Junwei, et al.
Veröffentlicht: (2024)

In-context Learning of Evolving Data Streams with Tabular Foundational Models
von: Lourenço, Afonso, et al.
Veröffentlicht: (2025)

Utility Theory of Synthetic Data Generation
von: Xu, Shirong, et al.
Veröffentlicht: (2023)

TabularQGAN: A Quantum Generative Model for Tabular Data
von: Bhardwaj, Pallavi, et al.
Veröffentlicht: (2025)

A Comprehensive Survey of Synthetic Tabular Data Generation
von: Shi, Ruxue, et al.
Veröffentlicht: (2025)

Real-Time Explanations for Tabular Foundation Models
von: Sena, Luan Borges Teodoro Reis, et al.
Veröffentlicht: (2026)

Can Graphs Improve Tabular Foundation Models?
von: Le, Franck, et al.
Veröffentlicht: (2025)

Active In-Context Learning for Tabular Foundation Models
von: Treerath, Wilailuck, et al.
Veröffentlicht: (2026)

Exploring Fine-Tuning for Tabular Foundation Models
von: Tanna, Aditya, et al.
Veröffentlicht: (2026)

End-to-End Compression for Tabular Foundation Models
von: Zabërgja, Guri, et al.
Veröffentlicht: (2026)

On the Uncertainty Quantification Ability of Tabular Foundation Models
von: Johnson, Tyler R., et al.
Veröffentlicht: (2026)

TabQL: In-Context Q-Learning with Tabular Foundation Models
von: Liu, Qisai, et al.
Veröffentlicht: (2026)

Generalization Can Emerge in Tabular Foundation Models From a Single Table
von: Ma, Junwei, et al.
Veröffentlicht: (2025)

Diffusion Models for Tabular Data Imputation and Synthetic Data Generation
von: Villaizán-Vallelado, Mario, et al.
Veröffentlicht: (2024)