Copertina

Table Foundation Models: on knowledge pre-training for tabular learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kim, Myung Jun, Lefebvre, Félix, Brison, Gaëtan, Perez-Lebel, Alexandre, Varoquaux, Gaël
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Scalable Feature Learning on Huge Knowledge Graphs for Downstream Machine Learning
di: Lefebvre, Félix, et al.
Pubblicazione: (2025)

CARTE: Pretraining and Transfer for Tabular Learning
di: Kim, Myung Jun, et al.
Pubblicazione: (2024)

Retrieve, Merge, Predict: Augmenting Tables with Data Lakes
di: Cappuzzo, Riccardo, et al.
Pubblicazione: (2024)

TabICLv2: A better, faster, scalable, and open tabular foundation model
di: Qu, Jingang, et al.
Pubblicazione: (2026)

Decision from Suboptimal Classifiers: Excess Risk Pre- and Post-Calibration
di: Perez-Lebel, Alexandre, et al.
Pubblicazione: (2025)

STRABLE: Benchmarking Tabular Machine Learning with Strings
di: Blayer, Gioia, et al.
Pubblicazione: (2026)

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

Imputation for prediction: beware of diminishing returns
di: Morvan, Marine Le, et al.
Pubblicazione: (2024)

On the consistency of supervised learning with missing values
di: Josse, Julie, et al.
Pubblicazione: (2019)

Extraction of linearized models from pre-trained networks via knowledge distillation
di: Kimura, Fumito, et al.
Pubblicazione: (2026)

Survival Models: Proper Scoring Rule and Stochastic Optimization with Competing Risks
di: Alberge, Julie, et al.
Pubblicazione: (2024)

Reconfidencing LLMs from the Grouping Loss Perspective
di: Chen, Lihu, et al.
Pubblicazione: (2024)

Convex space learning for tabular synthetic data generation
di: Mahendra, Manjunath, et al.
Pubblicazione: (2024)

Distributionally robust self-supervised learning for tabular data
di: Ghosh, Shantanu, et al.
Pubblicazione: (2024)

Understanding the limitations of self-supervised learning for tabular anomaly detection
di: Mai, Kimberly T., et al.
Pubblicazione: (2023)

Information fusion strategy integrating pre-trained language model and contrastive learning for materials knowledge mining
di: Peng, Yongqian, et al.
Pubblicazione: (2025)

From pre-training to downstream performance: Does domain-specific pre-training make sense?
di: Krones, Felix
Pubblicazione: (2026)

xRFM: Accurate, scalable, and interpretable feature learning models for tabular data
di: Beaglehole, Daniel, et al.
Pubblicazione: (2025)

X-TIME: An in-memory engine for accelerating machine learning on tabular data with CAMs
di: Pedretti, Giacomo, et al.
Pubblicazione: (2023)

Deep generative models as an adversarial attack strategy for tabular machine learning
di: Dyrmishi, Salijona, et al.
Pubblicazione: (2024)

To Each Metric Its Decoding: Post-Hoc Optimal Decision Rules of Probabilistic Hierarchical Classifiers
di: Plaud, Roman, et al.
Pubblicazione: (2025)

Causal thinking for decision making on Electronic Health Records: why and how
di: Doutreligne, Matthieu, et al.
Pubblicazione: (2023)

Anchor-based oversampling for imbalanced tabular data via contrastive and adversarial learning
di: Mohammadi, Hadi, et al.
Pubblicazione: (2025)

Dependency-aware synthetic tabular data generation
di: Umesh, Chaithra, et al.
Pubblicazione: (2025)

DAGAF: A directed acyclic generative adversarial framework for joint structure learning and tabular data synthesis
di: Petkov, Hristo, et al.
Pubblicazione: (2026)

SeBA: Semi-supervised few-shot learning via Separated-at-Birth Alignment for tabular data
di: Jurek, Kacper, et al.
Pubblicazione: (2026)

A supervised generative optimization approach for tabular data
di: Nakamura-Sakai, Shinpei, et al.
Pubblicazione: (2023)

Post-pre-training for Modality Alignment in Vision-Language Foundation Models
di: Yamaguchi, Shin'ya, et al.
Pubblicazione: (2025)

Leveraging Intermediate Representations of Time Series Foundation Models for Anomaly Detection
di: Han, Chan Sik, et al.
Pubblicazione: (2025)

Data-efficient pre-training by scaling synthetic megadocs
di: Kim, Konwoo, et al.
Pubblicazione: (2026)

MEDS-Tab: Automated tabularization and baseline methods for MEDS datasets
di: Oufattole, Nassim, et al.
Pubblicazione: (2024)

Closing the gap on tabular data with Fourier and Implicit Categorical Features
di: Dragoi, Marius, et al.
Pubblicazione: (2026)

TREB: a BERT attempt for imputing tabular data imputation
di: Wang, Shuyue, et al.
Pubblicazione: (2024)

Woosh: A Sound Effects Foundation Model
di: Hadjeres, Gaëtan, et al.
Pubblicazione: (2026)

AutoG: Towards automatic graph construction from tabular data
di: Chen, Zhikai, et al.
Pubblicazione: (2025)

TOC-UCO: a comprehensive repository of tabular ordinal classification datasets
di: Ayllón-Gavilán, Rafael, et al.
Pubblicazione: (2025)

Targeted synthetic data generation for tabular data via hardness characterization
di: Ferracci, Tommaso, et al.
Pubblicazione: (2024)

An interpretable prototype parts-based neural network for medical tabular data
di: Karolczak, Jacek, et al.
Pubblicazione: (2026)

Evaluating quality in synthetic data generation for large tabular health datasets
di: Escudié, Jean-Baptiste, et al.
Pubblicazione: (2026)

MMM and MMMSynth: Clustering of heterogeneous tabular data, and synthetic data generation
di: Kumari, Chandrani, et al.
Pubblicazione: (2023)