Copertina

TabularMath: Evaluating Computational Extrapolation in Tabular Learning via Program-Verified Synthesis

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Cheng, Zerui, Liu, Jiashuo, Yao, Jianzhu, Viswanath, Pramod, Zhang, Ge, Huang, Wenhao
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

VeRA: Verified Reasoning Data Augmentation at Scale
di: Cheng, Zerui, et al.
Pubblicazione: (2026)

TabularMath: Understanding Math Reasoning over Tables with Large Language Models
di: Tian, Shi-Yu, et al.
Pubblicazione: (2025)

TAO: Tolerance-Aware Optimistic Verification for Floating-Point Neural Networks
di: Yao, Jianzhu, et al.
Pubblicazione: (2025)

Rethinking Distribution Shifts: Empirical Analysis and Inductive Modeling for Tabular Data
di: Wang, Tianyu, et al.
Pubblicazione: (2023)

SPIN-Bench: How Well Do LLMs Plan Strategically and Reason Socially?
di: Yao, Jianzhu, et al.
Pubblicazione: (2025)

LLM Embeddings Improve Test-time Adaptation to Tabular $Y|X$-Shifts
di: Zeng, Yibo, et al.
Pubblicazione: (2024)

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

A Survey on Deep Tabular Learning
di: Somvanshi, Shriyank, et al.
Pubblicazione: (2024)

Tabular and Deep Learning for the Whittle Index
di: Relaño, Francisco Robledo, et al.
Pubblicazione: (2024)

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

LiveCodeBench Pro: How Do Olympiad Medalists Judge LLMs in Competitive Programming?
di: Zheng, Zihan, et al.
Pubblicazione: (2025)

Measuring LLM Sensitivity in Transformer-based Tabular Data Synthesis
di: R, Maria F. Davila, et al.
Pubblicazione: (2025)

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

A Survey on Self-Supervised Learning for Non-Sequential Tabular Data
di: Wang, Wei-Yao, et al.
Pubblicazione: (2024)

Evaluating LLM Understanding via Structured Tabular Decision Simulations
di: Li, Sichao, et al.
Pubblicazione: (2025)

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

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

Improving LLM Group Fairness on Tabular Data via In-Context Learning
di: Cherepanova, Valeriia, et al.
Pubblicazione: (2024)

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

Mitigating LLM Hallucination via Behaviorally Calibrated Reinforcement Learning
di: Wu, Jiayun, et al.
Pubblicazione: (2025)

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

Investigating Mask-aware Prototype Learning for Tabular Anomaly Detection
di: Lu, Ruiying, et al.
Pubblicazione: (2025)

BiSHop: Bi-Directional Cellular Learning for Tabular Data with Generalized Sparse Modern Hopfield Model
di: Xu, Chenwei, et al.
Pubblicazione: (2024)

Robust Tabular Foundation Models
di: Peroni, Matthew, et al.
Pubblicazione: (2025)

Universal Embeddings of Tabular Data
di: Franz, Astrid, et al.
Pubblicazione: (2025)

Disentangling Tabular Data Towards Better One-Class Anomaly Detection
di: Ye, Jianan, et al.
Pubblicazione: (2024)

RLPR: Extrapolating RLVR to General Domains without Verifiers
di: Yu, Tianyu, et al.
Pubblicazione: (2025)

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

Tabular Data: Is Deep Learning all you need?
di: Zabërgja, Guri, et al.
Pubblicazione: (2024)

Learning Relational Tabular Data without Shared Features
di: Wu, Zhaomin, et al.
Pubblicazione: (2025)

Sample Complexity Reduction via Policy Difference Estimation in Tabular Reinforcement Learning
di: Narang, Adhyyan, et al.
Pubblicazione: (2024)

Deep Learning within Tabular Data: Foundations, Challenges, Advances and Future Directions
di: Ren, Weijieying, et al.
Pubblicazione: (2025)

Arithmetic Feature Interaction Is Necessary for Deep Tabular Learning
di: Cheng, Yi, et al.
Pubblicazione: (2024)

StructSynth: Leveraging LLMs for Structure-Aware Tabular Data Synthesis in Low-Data Regimes
di: Liu, Siyi, et al.
Pubblicazione: (2025)

Distributional Regression with Tabular Foundation Models: Evaluating Probabilistic Predictions via Proper Scoring Rules
di: Landsgesell, Jonas, et al.
Pubblicazione: (2026)

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

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

Active Tabular Augmentation via Policy-Guided Diffusion Inpainting
di: Zhang, Zheyu, et al.
Pubblicazione: (2026)

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

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