Buchumschlag

Large Scale Transfer Learning for Tabular Data via Language Modeling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gardner, Josh, Perdomo, Juan C., Schmidt, Ludwig
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Transfer Learning of Tabular Data by Finetuning Large Language Models
von: Rabbani, Shourav B., et al.
Veröffentlicht: (2025)

Elephants Never Forget: Memorization and Learning of Tabular Data in Large Language Models
von: Bordt, Sebastian, et al.
Veröffentlicht: (2024)

Tabular Transfer Learning via Prompting LLMs
von: Nam, Jaehyun, et al.
Veröffentlicht: (2024)

ELF-Gym: Evaluating Large Language Models Generated Features for Tabular Prediction
von: Zhang, Yanlin, et al.
Veröffentlicht: (2024)

Recycling the Web: A Method to Enhance Pre-training Data Quality and Quantity for Language Models
von: Nguyen, Thao, et al.
Veröffentlicht: (2025)

TabDLM: Free-Form Tabular Data Generation via Joint Numerical-Language Diffusion
von: Cai, Donghong, et al.
Veröffentlicht: (2026)

Uncovering Scaling Laws for Large Language Models via Inverse Problems
von: Verma, Arun, et al.
Veröffentlicht: (2025)

Scaling Data-Constrained Language Models
von: Muennighoff, Niklas, et al.
Veröffentlicht: (2023)

Selecting Large Language Model to Fine-tune via Rectified Scaling Law
von: Lin, Haowei, et al.
Veröffentlicht: (2024)

Skywork-Math: Data Scaling Laws for Mathematical Reasoning in Large Language Models -- The Story Goes On
von: Zeng, Liang, et al.
Veröffentlicht: (2024)

Can Small-Scale Data Poisoning Exacerbate Dialect-Linked Biases in Large Language Models?
von: Abbas, Chaymaa, et al.
Veröffentlicht: (2025)

Anomaly Detection of Tabular Data Using LLMs
von: Li, Aodong, et al.
Veröffentlicht: (2024)

Scaling Sparse Fine-Tuning to Large Language Models
von: Ansell, Alan, et al.
Veröffentlicht: (2024)

GUARD: Guided Unlearning and Retention via Data Attribution for Large Language Models
von: Niu, Peizhi, et al.
Veröffentlicht: (2025)

Bridging the Semantic Gap for Categorical Data Clustering via Large Language Models
von: Yang, Zihua, et al.
Veröffentlicht: (2026)

DavIR: Data Selection via Implicit Reward for Large Language Models
von: Zhou, Haotian, et al.
Veröffentlicht: (2023)

ReEval: Automatic Hallucination Evaluation for Retrieval-Augmented Large Language Models via Transferable Adversarial Attacks
von: Yu, Xiaodong, et al.
Veröffentlicht: (2023)

Unveiling Imitation Learning: Exploring the Impact of Data Falsity to Large Language Model
von: Cho, Hyunsoo
Veröffentlicht: (2024)

Evaluating the Factuality of Large Language Models using Large-Scale Knowledge Graphs
von: Liu, Xiaoze, et al.
Veröffentlicht: (2024)

Few-Shot Cross-Lingual Transfer for Prompting Large Language Models in Low-Resource Languages
von: Toukmaji, Christopher
Veröffentlicht: (2024)

Learning to Detect Language Model Training Data via Active Reconstruction
von: Yin, Junjie Oscar, et al.
Veröffentlicht: (2026)

Health-LLM: Large Language Models for Health Prediction via Wearable Sensor Data
von: Kim, Yubin, et al.
Veröffentlicht: (2024)

Layer Swapping for Zero-Shot Cross-Lingual Transfer in Large Language Models
von: Bandarkar, Lucas, et al.
Veröffentlicht: (2024)

Big-Math: A Large-Scale, High-Quality Math Dataset for Reinforcement Learning in Language Models
von: Albalak, Alon, et al.
Veröffentlicht: (2025)

Detecting Data Contamination from Reinforcement Learning Post-training for Large Language Models
von: Tao, Yongding, et al.
Veröffentlicht: (2025)

Mix Data or Merge Models? Balancing the Helpfulness, Honesty, and Harmlessness of Large Language Model via Model Merging
von: Yang, Jinluan, et al.
Veröffentlicht: (2025)

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

Scaling Multimodal Search and Recommendation with Small Language Models via Upside-Down Reinforcement Learning
von: Lin, Yu-Chen, et al.
Veröffentlicht: (2025)

Provable Scaling Laws for the Test-Time Compute of Large Language Models
von: Chen, Yanxi, et al.
Veröffentlicht: (2024)

Revisiting the Scaling Properties of Downstream Metrics in Large Language Model Training
von: Krajewski, Jakub, et al.
Veröffentlicht: (2025)

Beware of Calibration Data for Pruning Large Language Models
von: Ji, Yixin, et al.
Veröffentlicht: (2024)

Personalized Product Search Ranking: A Multi-Task Learning Approach with Tabular and Non-Tabular Data
von: Morishetti, Lalitesh, et al.
Veröffentlicht: (2025)

Diversity-oriented Data Augmentation with Large Language Models
von: Wang, Zaitian, et al.
Veröffentlicht: (2025)

LLMSurgeon: Diagnosing Data Mixture of Large Language Models
von: Luo, Yaxin, et al.
Veröffentlicht: (2026)

TharuChat: Bootstrapping Large Language Models for a Low-Resource Language via Synthetic Data and Human Validation
von: Panth, Prajwal, et al.
Veröffentlicht: (2026)

A Large-Scale Benchmark for Evaluating Large Language Models on Medical Question Answering in Romanian
von: Rogoz, Ana-Cristina, et al.
Veröffentlicht: (2025)

Scaling Smart: Accelerating Large Language Model Pre-training with Small Model Initialization
von: Samragh, Mohammad, et al.
Veröffentlicht: (2024)

MaskTab: Scalable Masked Tabular Pretraining with Scaling Laws and Distillation for Industrial Classification
von: Zheng, Bo, et al.
Veröffentlicht: (2026)

TaTToo: Tool-Grounded Thinking PRM for Test-Time Scaling in Tabular Reasoning
von: Zou, Jiaru, et al.
Veröffentlicht: (2025)

Learning Mathematical Rules with Large Language Models
von: Gorceix, Antoine, et al.
Veröffentlicht: (2024)