Buchumschlag

Retrieval & Fine-Tuning for In-Context Tabular Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Thomas, Valentin, Ma, Junwei, Hosseinzadeh, Rasa, Golestan, Keyvan, Yu, Guangwei, Volkovs, Maksims, Caterini, Anthony
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

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

In-Context Data Distillation with TabPFN
von: Ma, Junwei, et al.
Veröffentlicht: (2024)

Tabular Data Contrastive Learning via Class-Conditioned and Feature-Correlation Based Augmentation
von: Cui, Wei, et al.
Veröffentlicht: (2024)

TabPFGen -- Tabular Data Generation with TabPFN
von: Ma, Junwei, et al.
Veröffentlicht: (2024)

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

Deep Generative Models through the Lens of the Manifold Hypothesis: A Survey and New Connections
von: Loaiza-Ganem, Gabriel, et al.
Veröffentlicht: (2024)

Data-Efficient Multimodal Fusion on a Single GPU
von: Vouitsis, Noël, et al.
Veröffentlicht: (2023)

MultiResFormer: Transformer with Adaptive Multi-Resolution Modeling for General Time Series Forecasting
von: Du, Linfeng, et al.
Veröffentlicht: (2023)

Aligning Dense Retrievers with LLM Utility via Distillation
von: Sandhu, Rajinder, et al.
Veröffentlicht: (2026)

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

Interpretable Tabular Foundation Models via In-Context Kernel Regression
von: Miftachov, Ratmir, et al.
Veröffentlicht: (2026)

On Convolutions, Intrinsic Dimension, and Diffusion Models
von: Leung, Kin Kwan, et al.
Veröffentlicht: (2025)

Self-supervised Representation Learning From Random Data Projectors
von: Sui, Yi, et al.
Veröffentlicht: (2023)

DRESS: Disentangled Representation-based Self-Supervised Meta-Learning for Diverse Tasks
von: Cui, Wei, et al.
Veröffentlicht: (2025)

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

RankJudge: A Multi-Turn LLM-as-a-Judge Synthetic Benchmark Generator
von: Tang, Zhenwei, et al.
Veröffentlicht: (2026)

TabTune: A Unified Library for Inference and Fine-Tuning Tabular Foundation Models
von: Tanna, Aditya, et al.
Veröffentlicht: (2025)

Fine-tuned In-Context Learning Transformers are Excellent Tabular Data Classifiers
von: Breejen, Felix den, et al.
Veröffentlicht: (2024)

In-Context Probing for Membership Inference in Fine-Tuned Language Models
von: Lu, Zhexi, et al.
Veröffentlicht: (2025)

Inconsistencies In Consistency Models: Better ODE Solving Does Not Imply Better Samples
von: Vouitsis, Noël, et al.
Veröffentlicht: (2024)

CausalPFN: Amortized Causal Effect Estimation via In-Context Learning
von: Balazadeh, Vahid, et al.
Veröffentlicht: (2025)

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

A Geometric View of Data Complexity: Efficient Local Intrinsic Dimension Estimation with Diffusion Models
von: Kamkari, Hamidreza, et al.
Veröffentlicht: (2024)

Fine-Tuning Dynamics of In-Context Factual Recall in Transformers
von: Huang, Ruomin, et al.
Veröffentlicht: (2026)

Quantifying Prediction Consistency Under Fine-Tuning Multiplicity in Tabular LLMs
von: Hamman, Faisal, et al.
Veröffentlicht: (2024)

VIP-COP: Context Optimization for Tabular Foundation Models
von: Chen, Yilong, et al.
Veröffentlicht: (2026)

Towards Fair In-Context Learning with Tabular Foundation Models
von: Kenfack, Patrik, et al.
Veröffentlicht: (2025)

In-Context Fine-Tuning for Time-Series Foundation Models
von: Das, Abhimanyu, et al.
Veröffentlicht: (2024)

MARFT: Multi-Agent Reinforcement Fine-Tuning
von: Liao, Junwei, et al.
Veröffentlicht: (2025)

Reinforcement Fine-Tuning for History-Aware Dense Retriever in RAG
von: Zhang, Yicheng, et al.
Veröffentlicht: (2026)

Fine-Tuned In-Context Learners for Efficient Adaptation
von: Bornschein, Jorg, et al.
Veröffentlicht: (2025)

TeleOracle: Fine-Tuned Retrieval-Augmented Generation with Long-Context Support for Network
von: Alabbasi, Nouf, et al.
Veröffentlicht: (2024)

Mixture of In-Context Prompters for Tabular PFNs
von: Xu, Derek, et al.
Veröffentlicht: (2024)

Early Stopping Tabular In-Context Learning
von: Küken, Jaris, et al.
Veröffentlicht: (2025)

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

Continual Fine-Tuning with Provably Accurate and Parameter-Free Task Retrieval
von: Le, Hang Thi-Thuy, et al.
Veröffentlicht: (2026)

ALoFTRAG: Automatic Local Fine Tuning for Retrieval Augmented Generation
von: Devine, Peter
Veröffentlicht: (2025)

In-Context Learning and Fine-Tuning GPT for Argument Mining
von: Cabessa, Jérémie, et al.
Veröffentlicht: (2024)

A Geometric Framework for Understanding Memorization in Generative Models
von: Ross, Brendan Leigh, et al.
Veröffentlicht: (2024)

Bridging Streaming Continual Learning via In-Context Large Tabular Models
von: Lourenço, Afonso, et al.
Veröffentlicht: (2025)