Buchumschlag

StructSynth: Leveraging LLMs for Structure-Aware Tabular Data Synthesis in Low-Data Regimes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Siyi, Zheng, Yujia, Zhang, Yongqi
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

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

Hybrid Autoencoders for Tabular Data: Leveraging Model-Based Augmentation in Low-Label Settings
von: Naor, Erel, et al.
Veröffentlicht: (2025)

A Comparative Study of Open-Source Libraries for Synthetic Tabular Data Generation: SDV vs. SynthCity
von: Del Gobbo, Cristian
Veröffentlicht: (2025)

Causality for Tabular Data Synthesis: A High-Order Structure Causal Benchmark Framework
von: Tu, Ruibo, et al.
Veröffentlicht: (2024)

CasualSynth: Generating Structurally Sound Synthetic Data
von: Cheng, Zehua, et al.
Veröffentlicht: (2026)

TabGen-ICL: Residual-Aware In-Context Example Selection for Tabular Data Generation
von: Fang, Liancheng, et al.
Veröffentlicht: (2025)

RL-Struct: A Lightweight Reinforcement Learning Framework for Reliable Structured Output in LLMs
von: Hu, Ruike, et al.
Veröffentlicht: (2025)

HARMONIC: Harnessing LLMs for Tabular Data Synthesis and Privacy Protection
von: Wang, Yuxin, et al.
Veröffentlicht: (2024)

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

Measuring LLM Sensitivity in Transformer-based Tabular Data Synthesis
von: R, Maria F. Davila, 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)

Can LLMs Leverage Observational Data? Towards Data-Driven Causal Discovery with LLMs
von: Susanti, Yuni, et al.
Veröffentlicht: (2025)

Optimized Feature Generation for Tabular Data via LLMs with Decision Tree Reasoning
von: Nam, Jaehyun, et al.
Veröffentlicht: (2024)

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

CasTGAN: Cascaded Generative Adversarial Network for Realistic Tabular Data Synthesis
von: Alshantti, Abdallah, et al.
Veröffentlicht: (2023)

SynthSAEBench: Evaluating Sparse Autoencoders on Scalable Realistic Synthetic Data
von: Chanin, David, et al.
Veröffentlicht: (2026)

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

TabStruct: Measuring Structural Fidelity of Tabular Data
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2025)

An Explainable Gaussian Process Auto-encoder for Tabular Data
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Deep Feature Embedding for Tabular Data
von: Wu, Yuqian, et al.
Veröffentlicht: (2024)

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

Leverage Multi-source Traffic Demand Data Fusion with Transformer Model for Urban Parking Prediction
von: Huang, Yin, et al.
Veröffentlicht: (2024)

TabularMath: Evaluating Computational Extrapolation in Tabular Learning via Program-Verified Synthesis
von: Cheng, Zerui, et al.
Veröffentlicht: (2026)

Learning from Less: Measuring the Effectiveness of RLVR in Low Data and Compute Regimes
von: Bauer, Justin, et al.
Veröffentlicht: (2026)

TabKANet: Tabular Data Modeling with Kolmogorov-Arnold Network and Transformer
von: Gao, Weihao, et al.
Veröffentlicht: (2024)

CLIMB: Class-imbalanced Learning Benchmark on Tabular Data
von: Liu, Zhining, et al.
Veröffentlicht: (2025)

Case-Based Reasoning Enhances the Predictive Power of LLMs in Drug-Drug Interaction
von: Liu, Guangyi, et al.
Veröffentlicht: (2025)

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

Tabular Data Adapters: Improving Outlier Detection for Unlabeled Private Data
von: Herurkar, Dayananda, et al.
Veröffentlicht: (2025)

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

Reinforcing Numerical Reasoning in LLMs for Tabular Prediction via Structural Priors
von: Cai, Pengxiang, et al.
Veröffentlicht: (2025)

Highly Imbalanced Regression with Tabular Data in SEP and Other Applications
von: Moukpe, Josias K., et al.
Veröffentlicht: (2025)

Pre-Hoc Predictions in AutoML: Leveraging LLMs to Enhance Model Selection and Benchmarking for Tabular datasets
von: Belkhiter, Yannis, et al.
Veröffentlicht: (2025)

OmniStruct: Universal Text-to-Structure Generation across Diverse Schemas
von: Huang, James Y., et al.
Veröffentlicht: (2025)

LLM Embeddings for Deep Learning on Tabular Data
von: Koloski, Boshko, et al.
Veröffentlicht: (2025)

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

HyperFast: Instant Classification for Tabular Data
von: Bonet, David, et al.
Veröffentlicht: (2024)

Interpretable Graph Neural Networks for Tabular Data
von: Alkhatib, Amr, et al.
Veröffentlicht: (2023)

Fully Test-time Adaptation for Tabular Data
von: Zhou, Zhi, et al.
Veröffentlicht: (2024)