Buchumschlag

FORESTLLM: Large Language Models Make Random Forest Great on Few-shot Tabular Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Zhihan, Wei, Jiaqi, Zhang, Xiang, Dong, Haoyu, Wang, Yiwen, Guo, Xiaoke, Zhang, Pengkun, Xu, Yiwei, You, Chenyu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PosterGen: Aesthetic-Aware Multi-Modal Paper-to-Poster Generation via Multi-Agent LLMs
von: Zhang, Zhilin, et al.
Veröffentlicht: (2025)

Tokenization Constraints in LLMs: A Study of Symbolic and Arithmetic Reasoning Limits
von: Zhang, Xiang, et al.
Veröffentlicht: (2025)

Latte: Transfering LLMs` Latent-level Knowledge for Few-shot Tabular Learning
von: Shi, Ruxue, et al.
Veröffentlicht: (2025)

MachineLearningLM: Scaling Many-shot In-context Learning via Continued Pretraining
von: Dong, Haoyu, et al.
Veröffentlicht: (2025)

Making Large Vision Language Models to be Good Few-shot Learners
von: Liu, Fan, et al.
Veröffentlicht: (2024)

Counting Ability of Large Language Models and Impact of Tokenization
von: Zhang, Xiang, et al.
Veröffentlicht: (2024)

TimeSeriesScientist: A General-Purpose AI Agent for Time Series Analysis
von: Zhao, Haokun, et al.
Veröffentlicht: (2025)

EHRAgent: Code Empowers Large Language Models for Few-shot Complex Tabular Reasoning on Electronic Health Records
von: Shi, Wenqi, et al.
Veröffentlicht: (2024)

Making Pre-trained Language Models Great on Tabular Prediction
von: Yan, Jiahuan, et al.
Veröffentlicht: (2024)

SlideGen: Collaborative Multimodal Agents for Scientific Slide Generation
von: Liang, Xin, et al.
Veröffentlicht: (2025)

What Makes Good Few-shot Examples for Vision-Language Models?
von: Guo, Zhaojun, et al.
Veröffentlicht: (2024)

Ex-Omni: Enabling 3D Facial Animation Generation for Omni-modal Large Language Models
von: Zhang, Haoyu, et al.
Veröffentlicht: (2026)

Why Prompt Design Matters and Works: A Complexity Analysis of Prompt Search Space in LLMs
von: Zhang, Xiang, et al.
Veröffentlicht: (2025)

Few-shot Online Anomaly Detection and Segmentation
von: Wei, Shenxing, et al.
Veröffentlicht: (2024)

FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with Pre-trained Vision-Language Models
von: Xu, Wan, et al.
Veröffentlicht: (2023)

Rich Semantic Knowledge Enhanced Large Language Models for Few-shot Chinese Spell Checking
von: Dong, Ming, et al.
Veröffentlicht: (2024)

TablePilot: Recommending Human-Preferred Tabular Data Analysis with Large Language Models
von: Yi, Deyin, et al.
Veröffentlicht: (2025)

Q-Tuning: Queue-based Prompt Tuning for Lifelong Few-shot Language Learning
von: Guo, Yanhui, et al.
Veröffentlicht: (2024)

Large Language Models are Few-shot Multivariate Time Series Classifiers
von: Chen, Yakun, et al.
Veröffentlicht: (2025)

Bi-Adapt: Few-shot Bimanual Adaptation for Novel Categories of 3D Objects via Semantic Correspondence
von: Zhou, Jinxian, et al.
Veröffentlicht: (2026)

Summarize-Exemplify-Reflect: Data-driven Insight Distillation Empowers LLMs for Few-shot Tabular Classification
von: Yuan, Yifei, et al.
Veröffentlicht: (2025)

UniAudio 1.5: Large Language Model-driven Audio Codec is A Few-shot Audio Task Learner
von: Yang, Dongchao, et al.
Veröffentlicht: (2024)

Prompt Space Optimizing Few-shot Reasoning Success with Large Language Models
von: Shi, Fobo, et al.
Veröffentlicht: (2023)

DrugLLM: Open Large Language Model for Few-shot Molecule Generation
von: Liu, Xianggen, et al.
Veröffentlicht: (2024)

Leveraging Large Language Models for Node Generation in Few-Shot Learning on Text-Attributed Graphs
von: Yu, Jianxiang, et al.
Veröffentlicht: (2023)

Empathy Omni: Enabling Empathetic Speech Response Generation through Large Language Models
von: Wang, Haoyu, et al.
Veröffentlicht: (2025)

Benchmarking Large Language Models for Zero-shot and Few-shot Phishing URL Detection
von: Hasan, Najmul, et al.
Veröffentlicht: (2026)

Few-shot Object Localization
von: Ren, Yunhan, et al.
Veröffentlicht: (2024)

Revisiting Chain-of-Thought Prompting: Zero-shot Can Be Stronger than Few-shot
von: Cheng, Xiang, et al.
Veröffentlicht: (2025)

BoostLLM: Boosting-inspired LLM Fine-tuning for Few-shot Tabular Classification
von: Wang, Yi-Siang, et al.
Veröffentlicht: (2026)

The Few-shot Dilemma: Over-prompting Large Language Models
von: Tang, Yongjian, et al.
Veröffentlicht: (2025)

Random-Forest-Induced Graph Neural Networks for Tabular Learning
von: Chen, Haozhe, et al.
Veröffentlicht: (2026)

RFOD: Random Forest-based Outlier Detection for Tabular Data
von: Ang, Yihao, et al.
Veröffentlicht: (2025)

Unlocking Temporal Flexibility: Neural Speech Codec with Variable Frame Rate
von: Zhang, Hanglei, et al.
Veröffentlicht: (2025)

Making Them Ask and Answer: Jailbreaking Large Language Models in Few Queries via Disguise and Reconstruction
von: Liu, Tong, et al.
Veröffentlicht: (2024)

CLIP-guided Prototype Modulating for Few-shot Action Recognition
von: Wang, Xiang, et al.
Veröffentlicht: (2023)

FewFedPIT: Towards Privacy-preserving and Few-shot Federated Instruction Tuning
von: Zhang, Zhuo, et al.
Veröffentlicht: (2024)

TAVP: Task-Adaptive Visual Prompt for Cross-domain Few-shot Segmentation
von: Yang, Jiaqi, et al.
Veröffentlicht: (2024)

A Comprehensive Review of Few-shot Action Recognition
von: Wanyan, Yuyang, et al.
Veröffentlicht: (2024)

Make It Up: Fake Images, Real Gains in Generalized Few-shot Semantic Segmentation
von: Xie, Guohuan, et al.
Veröffentlicht: (2026)