Buchumschlag

TFMLinker: Universal Link Predictor by Graph In-Context Learning with Tabular Foundation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liao, Tianyin, Hu, Chunyu, Sui, Yicheng, Zhang, Xingxuan, Cui, Peng, Li, Jianxin, Zhang, Ziwei
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

Invariant Graph Transformer for Out-of-Distribution Generalization
von: Liao, Tianyin, et al.
Veröffentlicht: (2025)

Universal Link Predictor By In-Context Learning on Graphs
von: Dong, Kaiwen, et al.
Veröffentlicht: (2024)

Breaking the Quality-Privacy Tradeoff in Tabular Data Generation via In-Context Learning
von: Han, Xinyan, et al.
Veröffentlicht: (2026)

Active In-Context Learning for Tabular Foundation Models
von: Treerath, Wilailuck, et al.
Veröffentlicht: (2026)

Towards Fair In-Context Learning with Tabular Foundation Models
von: Kenfack, Patrik, et al.
Veröffentlicht: (2025)

TabQL: In-Context Q-Learning with Tabular Foundation Models
von: Liu, Qisai, et al.
Veröffentlicht: (2026)

Understanding the Generalization of In-Context Learning in Transformers: An Empirical Study
von: Zhang, Xingxuan, et al.
Veröffentlicht: (2025)

Turning Tabular Foundation Models into Graph Foundation Models
von: Eremeev, Dmitry, et al.
Veröffentlicht: (2025)

VIP-COP: Context Optimization for Tabular Foundation Models
von: Chen, Yilong, et al.
Veröffentlicht: (2026)

Algorithmic Recourse of In-Context Learning for Tabular Data
von: Dong, Wenshuo, et al.
Veröffentlicht: (2026)

Can Graphs Improve Tabular Foundation Models?
von: Le, Franck, et al.
Veröffentlicht: (2025)

PPA-Game: Characterizing and Learning Competitive Dynamics Among Online Content Creators
von: Xu, Renzhe, et al.
Veröffentlicht: (2024)

Mixture of Link Predictors on Graphs
von: Ma, Li, et al.
Veröffentlicht: (2024)

Interpretable Tabular Foundation Models via In-Context Kernel Regression
von: Miftachov, Ratmir, et al.
Veröffentlicht: (2026)

Tabular Foundation Models are Strong Graph Anomaly Detectors
von: Liu, Yunhui, et al.
Veröffentlicht: (2026)

A Survey on Evaluation of Out-of-Distribution Generalization
von: Yu, Han, et al.
Veröffentlicht: (2024)

ODP-Bench: Benchmarking Out-of-Distribution Performance Prediction
von: Yu, Han, et al.
Veröffentlicht: (2025)

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

Generating Risky Samples with Conformity Constraints via Diffusion Models
von: Yu, Han, et al.
Veröffentlicht: (2025)

On the Robustness of Tabular Foundation Models: Test-Time Attacks and In-Context Defenses
von: Djilani, Mohamed, et al.
Veröffentlicht: (2025)

LUCoS: Latent Unsupervised Context Selection for Tabular Foundation Models
von: Ipas, Oroel, et al.
Veröffentlicht: (2026)

UniGraph: Learning a Unified Cross-Domain Foundation Model for Text-Attributed Graphs
von: He, Yufei, et al.
Veröffentlicht: (2024)

GraphKeeper: Graph Domain-Incremental Learning via Knowledge Disentanglement and Preservation
von: Guo, Zihao, et al.
Veröffentlicht: (2025)

TabularFM: An Open Framework For Tabular Foundational Models
von: Tran, Quan M., et al.
Veröffentlicht: (2024)

Tabular Foundation Models Can Do Survival Analysis
von: Kim, Da In, et al.
Veröffentlicht: (2026)

A Knowledge-Informed Pretrained Model for Causal Discovery
von: Xu, Wenbo, et al.
Veröffentlicht: (2026)

Mitra: Mixed Synthetic Priors for Enhancing Tabular Foundation Models
von: Zhang, Xiyuan, et al.
Veröffentlicht: (2025)

On Finetuning Tabular Foundation Models
von: Rubachev, Ivan, et al.
Veröffentlicht: (2025)

Tabular Foundation Model for Generative Modelling
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2026)

GraphRAG-R1: Graph Retrieval-Augmented Generation with Process-Constrained Reinforcement Learning
von: Yu, Chuanyue, et al.
Veröffentlicht: (2025)

Risk In Context: Benchmarking Privacy Leakage of Foundation Models in Synthetic Tabular Data Generation
von: Byun, Jessup, et al.
Veröffentlicht: (2025)

GRAVER: Generative Graph Vocabularies for Robust Graph Foundation Models Fine-tuning
von: Yuan, Haonan, et al.
Veröffentlicht: (2025)

GAMformer: Bridging Tabular Foundation Models and Interpretable Machine Learning
von: Mueller, Andreas, et al.
Veröffentlicht: (2024)

GILT: An LLM-Free, Tuning-Free Graph Foundational Model for In-Context Learning
von: Ma, Weishuo, et al.
Veröffentlicht: (2025)

Early Stopping Tabular In-Context Learning
von: Küken, Jaris, et al.
Veröffentlicht: (2025)

LLM as GNN: Graph Vocabulary Learning for Text-Attributed Graph Foundation Models
von: Zhu, Xi, et al.
Veröffentlicht: (2025)

Uncertainty-Guided Model Selection for Tabular Foundation Models in Biomolecule Efficacy Prediction
von: Li, Jie, et al.
Veröffentlicht: (2025)

Robust Tabular Foundation Models
von: Peroni, Matthew, et al.
Veröffentlicht: (2025)

Adaptive Tokenization: On the Hop-Overpriority Problem in Tokenized Graph Learning Models
von: Wang, Zhibiao, et al.
Veröffentlicht: (2025)

Bringing Graphs to the Table: Zero-shot Node Classification via Tabular Foundation Models
von: Hayler, Adrian, et al.
Veröffentlicht: (2025)