Buchumschlag

PluRel: Synthetic Data unlocks Scaling Laws for Relational Foundation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kothapalli, Vignesh, Ranjan, Rishabh, Hudovernik, Valter, Dwivedi, Vijay Prakash, Hoffart, Johannes, Guestrin, Carlos, Leskovec, Jure
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Databases Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Relational Transformer: Toward Zero-Shot Foundation Models for Relational Data
von: Ranjan, Rishabh, et al.
Veröffentlicht: (2025)

Relational Deep Learning: Challenges, Foundations and Next-Generation Architectures
von: Dwivedi, Vijay Prakash, et al.
Veröffentlicht: (2025)

Benchmarking the Fidelity and Utility of Synthetic Relational Data
von: Hudovernik, Valter, et al.
Veröffentlicht: (2024)

RelGNN: Composite Message Passing for Relational Deep Learning
von: Chen, Tianlang, et al.
Veröffentlicht: (2025)

RelBench v2: A Large-Scale Benchmark and Repository for Relational Data
von: Gu, Justin, et al.
Veröffentlicht: (2026)

RelBench: A Benchmark for Deep Learning on Relational Databases
von: Robinson, Joshua, et al.
Veröffentlicht: (2024)

RelDiff: Relational Data Generative Modeling with Graph-Based Diffusion Models
von: Hudovernik, Valter, et al.
Veröffentlicht: (2025)

Relational Graph Transformer
von: Dwivedi, Vijay Prakash, et al.
Veröffentlicht: (2025)

Position: Foundation Models for Tabular Data within Systemic Contexts Need Grounding
von: Klein, Tassilo, et al.
Veröffentlicht: (2025)

Large Language Models are Good Relational Learners
von: Wu, Fang, et al.
Veröffentlicht: (2025)

KumoRFM-2: Scaling Foundation Models for Relational Learning
von: Hudovernik, Valter, et al.
Veröffentlicht: (2026)

Rel: A Programming Language for Relational Data
von: Aref, Molham, et al.
Veröffentlicht: (2025)

RelServe: Fast LLM Inference Serving on Relational Data
von: Zhang, Xin, et al.
Veröffentlicht: (2025)

Rel-MOSS: Towards Imbalanced Relational Deep Learning on Relational Databases
von: Yin, Jun, et al.
Veröffentlicht: (2026)

Predictive Query Language: A Domain-Specific Language for Predictive Modeling on Relational Databases
von: Kocijan, Vid, et al.
Veröffentlicht: (2026)

ACORN: Performant and Predicate-Agnostic Search Over Vector Embeddings and Structured Data
von: Patel, Liana, et al.
Veröffentlicht: (2024)

SALT: Sales Autocompletion Linked Business Tables Dataset
von: Klein, Tassilo, et al.
Veröffentlicht: (2025)

Rel-HNN: Split Parallel Hypergraph Neural Network for Learning on Relational Databases
von: Alam, Md. Tanvir, et al.
Veröffentlicht: (2025)

DEREC-SIMPRO: unlock Language Model benefits to advance Synthesis in Data Clean Room
von: Kwok, Tung Sum Thomas, et al.
Veröffentlicht: (2024)

PyTorch Frame: A Modular Framework for Multi-Modal Tabular Learning
von: Hu, Weihua, et al.
Veröffentlicht: (2024)

Time and Relations into Focus: Ontological Foundations of Object-Centric Event Data
von: Hooshyar, Hosna, et al.
Veröffentlicht: (2025)

Left-Deep Join Order Selection with Higher-Order Unconstrained Binary Optimization on Quantum Computers
von: Uotila, Valter
Veröffentlicht: (2025)

Opportunities and Challenges for Data Quality in the Era of Quantum Computing
von: Groppe, Sven, et al.
Veröffentlicht: (2025)

Differentially Private Synthetic Data Generation for Relational Databases
von: Alimohammadi, Kaveh, et al.
Veröffentlicht: (2024)

Semantic Operators: A Declarative Model for Rich, AI-based Data Processing
von: Patel, Liana, et al.
Veröffentlicht: (2024)

SQL2Circuits: Estimating Cardinalities, Execution Times, and Costs for SQL Queries with Quantum Natural Language Processing
von: Uotila, Valter
Veröffentlicht: (2023)

Quantum Information-Theoretical Size Bounds for Conjunctive Queries with Functional Dependencies
von: Uotila, Valter, et al.
Veröffentlicht: (2025)

IRG: Modular Synthetic Relational Database Generation with Complex Relational Schemas
von: Li, Jiayu, et al.
Veröffentlicht: (2023)

AIM: An Adaptive and Iterative Mechanism for Differentially Private Synthetic Data
von: McKenna, Ryan, et al.
Veröffentlicht: (2022)

PrivPetal: Relational Data Synthesis via Permutation Relations
von: Cai, Kuntai, et al.
Veröffentlicht: (2025)

Revisiting Data Analysis with Pre-trained Foundation Models
von: Liang, Chen, et al.
Veröffentlicht: (2025)

Can Kernel Methods Explain How the Data Affects Neural Collapse?
von: Kothapalli, Vignesh, et al.
Veröffentlicht: (2024)

Relational Database Data Lineage Ontology
von: Dutkiewicz, Jakub, et al.
Veröffentlicht: (2026)

ZX-DB: A Graph Database for Quantum Circuit Simplification and Rewriting via the ZX-Calculus
von: Uotila, Valter, et al.
Veröffentlicht: (2025)

Text2SQL is Not Enough: Unifying AI and Databases with TAG
von: Biswal, Asim, et al.
Veröffentlicht: (2024)

Relational to RDF Data Migration by Query Co-Evaluation
von: Wisnesky, Ryan, et al.
Veröffentlicht: (2024)

SHARQ: Explainability Framework for Association Rules on Relational Data
von: Ben-Efraim, Hadar, et al.
Veröffentlicht: (2024)

The Data Sharing Paradox of Synthetic Data in Healthcare
von: Achterberg, Jim, et al.
Veröffentlicht: (2025)

Designing a Secure, Scalable, and Cost-Effective Cloud Storage Solution: A Novel Approach to Data Management using NextCloud, TrueNAS, and QEMU/KVM
von: Aryan, Prakash, et al.
Veröffentlicht: (2024)

Pneuma-Seeker: A Relational Reification Mechanism to Align AI Agents with Human Work over Relational Data
von: Balaka, Muhammad Imam Luthfi, et al.
Veröffentlicht: (2026)