Buchumschlag

A Note on Statistically Accurate Tabular Data Generation Using Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Sidorenko, Andrey
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Benchmarking Synthetic Tabular Data: A Multi-Dimensional Evaluation Framework
von: Sidorenko, Andrey, et al.
Veröffentlicht: (2025)

Privacy-Preserving Tabular Synthetic Data Generation Using TabularARGN
von: Sidorenko, Andrey, et al.
Veröffentlicht: (2025)

Generating Realistic Tabular Data with Large Language Models
von: Nguyen, Dang, et al.
Veröffentlicht: (2024)

Multi-branch of Attention Yields Accurate Results for Tabular Data
von: Li, Xuechen, et al.
Veröffentlicht: (2025)

MALLM-GAN: Multi-Agent Large Language Model as Generative Adversarial Network for Synthesizing Tabular Data
von: Ling, Yaobin, et al.
Veröffentlicht: (2024)

Large Language Models Engineer Too Many Simple Features For Tabular Data
von: Küken, Jaris, et al.
Veröffentlicht: (2024)

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

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

EPIC: Effective Prompting for Imbalanced-Class Data Synthesis in Tabular Data Classification via Large Language Models
von: Kim, Jinhee, et al.
Veröffentlicht: (2024)

Synthesizing Tabular Data Using Selectivity Enhanced Generative Adversarial Networks
von: Zhou, Youran, et al.
Veröffentlicht: (2025)

Large Scale Transfer Learning for Tabular Data via Language Modeling
von: Gardner, Josh, et al.
Veröffentlicht: (2024)

TabICL: A Tabular Foundation Model for In-Context Learning on Large Data
von: Qu, Jingang, et al.
Veröffentlicht: (2025)

Unlock the Potential of Large Language Models for Predictive Tabular Tasks in Data Science with Table-Specific Pretraining
von: Yang, Yazheng, et al.
Veröffentlicht: (2024)

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

Tabular Data Generation using Binary Diffusion
von: Kinakh, Vitaliy, et al.
Veröffentlicht: (2024)

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

Automated Model Selection for Tabular Data
von: Amballa, Avinash, et al.
Veröffentlicht: (2024)

Gradient Boosting Trees and Large Language Models for Tabular Data Few-Shot Learning
von: Huertas, Carlos
Veröffentlicht: (2024)

TableGPT2: A Large Multimodal Model with Tabular Data Integration
von: Su, Aofeng, et al.
Veröffentlicht: (2024)

Extending Tabular Denoising Diffusion Probabilistic Models for Time-Series Data Generation
von: Dobhal, Umang, et al.
Veröffentlicht: (2026)

GEM-T: Generative Tabular Data via Fitting Moments
von: Li, Miao, et al.
Veröffentlicht: (2025)

Diffusion Transformers for Tabular Data Time Series Generation
von: Garuti, Fabrizio, et al.
Veröffentlicht: (2025)

Multi-level Diagnosis and Evaluation for Robust Tabular Feature Engineering with Large Language Models
von: Lim, Yebin, et al.
Veröffentlicht: (2025)

CausalTAD: Injecting Causal Knowledge into Large Language Models for Tabular Anomaly Detection
von: Wang, Ruiqi, et al.
Veröffentlicht: (2026)

Unsupervised Anomaly Detection for Tabular Data Using Noise Evaluation
von: Dai, Wei, et al.
Veröffentlicht: (2024)

A Sobering Look at Tabular Data Generation via Probabilistic Circuits
von: Scassola, Davide, et al.
Veröffentlicht: (2026)

Diffusion and Flow Matching Models for Tabular Data: A Survey
von: Li, Zhong, et al.
Veröffentlicht: (2025)

A Model of Causal Explanation on Neural Networks for Tabular Data
von: Isozaki, Takashi, et al.
Veröffentlicht: (2025)

Generating Synthetic Relational Tabular Data via Structural Causal Models
von: Hoppe, Frederik, et al.
Veröffentlicht: (2025)

A Data-Centric Perspective on Evaluating Machine Learning Models for Tabular Data
von: Tschalzev, Andrej, et al.
Veröffentlicht: (2024)

TAGAL: Tabular Data Generation using Agentic LLM Methods
von: Ronval, Benoît, et al.
Veröffentlicht: (2025)

Exploring Transformer Placement in Variational Autoencoders for Tabular Data Generation
von: Silva, Aníbal, et al.
Veröffentlicht: (2026)

Source Attribution for Large Language Model-Generated Data
von: Wang, Jingtan, et al.
Veröffentlicht: (2023)

Comparing Task-Agnostic Embedding Models for Tabular Data
von: Hoppe, Frederik, et al.
Veröffentlicht: (2025)

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

Limited Reference, Reliable Generation: A Two-Component Framework for Tabular Data Generation in Low-Data Regimes
von: Jiang, Mingxuan, et al.
Veröffentlicht: (2025)

Synthetic Tabular Data Generation for Class Imbalance and Fairness: A Comparative Study
von: Panagiotou, Emmanouil, et al.
Veröffentlicht: (2024)

Universal Embeddings of Tabular Data
von: Franz, Astrid, et al.
Veröffentlicht: (2025)

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

FASTGEN: Fast and Cost-Effective Synthetic Tabular Data Generation with LLMs
von: Nguyen, Anh, et al.
Veröffentlicht: (2025)