Buchumschlag

ReTabSyn: Realistic Tabular Data Synthesis via Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lin, Xiaofeng, Kim, Seungbae, Li, Zhuoya, DeSoto, Zachary, Fleming, Charles, Cheng, Guang
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

Synth-MIA: A Testbed for Auditing Privacy Leakage in Tabular Data Synthesis
von: Ward, Joshua, et al.
Veröffentlicht: (2025)

TabSynDex: A Universal Metric for Robust Evaluation of Synthetic Tabular Data
von: Chundawat, Vikram S, et al.
Veröffentlicht: (2022)

CTSyn: A Foundation Model for Cross Tabular Data Generation
von: Lin, Xiaofeng, et al.
Veröffentlicht: (2024)

TabSCM: A practical Framework for Generating Realistic Tabular Data
von: Jacob, Sven, et al.
Veröffentlicht: (2026)

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

¿Existe un sesgo en la participación y visibilidad de las mujeres en ecología? Una comparación entre los congresos ibérico y suizo
von: L. DeSoto
Veröffentlicht: (2016)

TabNSA: Native Sparse Attention for Efficient Tabular Data Learning
von: Eslamian, Ali, et al.
Veröffentlicht: (2025)

MambaTab: A Plug-and-Play Model for Learning Tabular Data
von: Ahamed, Md Atik, et al.
Veröffentlicht: (2024)

TabPFGen -- Tabular Data Generation with TabPFN
von: Ma, Junwei, et al.
Veröffentlicht: (2024)

SYNTHONY: A Stress-Aware, Intent-Conditioned Agent for Deep Tabular Generative Models Selection
von: Son, Hochan, et al.
Veröffentlicht: (2026)

TabReason: A Reinforcement Learning-Enhanced Reasoning LLM for Explainable Tabular Data Prediction
von: Xu, Tommy, et al.
Veröffentlicht: (2025)

GReaTER: Generate Realistic Tabular data after data Enhancement and Reduction
von: Kwok, Tung Sum Thomas, et al.
Veröffentlicht: (2025)

TabReD: Analyzing Pitfalls and Filling the Gaps in Tabular Deep Learning Benchmarks
von: Rubachev, Ivan, et al.
Veröffentlicht: (2024)

TabKAN: Advancing Tabular Data Analysis using Kolmogorov-Arnold Network
von: Eslamian, Ali, et al.
Veröffentlicht: (2025)

TabSeq: A Framework for Deep Learning on Tabular Data via Sequential Ordering
von: Habib, Al Zadid Sultan Bin, et al.
Veröffentlicht: (2024)

ReTabAD: A Benchmark for Restoring Semantic Context in Tabular Anomaly Detection
von: Yoon, Sanghyu, et al.
Veröffentlicht: (2025)

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

TabDDPM: Modelling Tabular Data with Diffusion Models
von: Kotelnikov, Akim, et al.
Veröffentlicht: (2022)

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

Can TabPFN Compete with GNNs for Node Classification via Graph Tabularization?
von: Choi, Jeongwhan, et al.
Veröffentlicht: (2025)

TabArena: A Living Benchmark for Machine Learning on Tabular Data
von: Erickson, Nick, et al.
Veröffentlicht: (2025)

MultiTab: A Scalable Foundation for Multitask Learning on Tabular Data
von: Sinodinos, Dimitrios, et al.
Veröffentlicht: (2025)

UniTabE: A Universal Pretraining Protocol for Tabular Foundation Model in Data Science
von: Yang, Yazheng, et al.
Veröffentlicht: (2023)

TabSTAR: A Tabular Foundation Model for Tabular Data with Text Fields
von: Arazi, Alan, et al.
Veröffentlicht: (2025)

TabChange: Precise Attribute Changes in Tabular Data
von: Dahal, Arjun, et al.
Veröffentlicht: (2026)

DP-TabICL: In-Context Learning with Differentially Private Tabular Data
von: Carey, Alycia N., et al.
Veröffentlicht: (2024)

TabImpute: Universal Zero-Shot Imputation for Tabular Data
von: Feitelberg, Jacob, et al.
Veröffentlicht: (2025)

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

Federated Learning for Tabular Data using TabNet: A Vehicular Use-Case
von: Lindskog, William, et al.
Veröffentlicht: (2024)

TabDeco: A Comprehensive Contrastive Framework for Decoupled Representations in Tabular Data
von: Chen, Suiyao, et al.
Veröffentlicht: (2024)

MediTab: Scaling Medical Tabular Data Predictors via Data Consolidation, Enrichment, and Refinement
von: Wang, Zifeng, et al.
Veröffentlicht: (2023)

InterpreTabNet: Distilling Predictive Signals from Tabular Data by Salient Feature Interpretation
von: Si, Jacob, et al.
Veröffentlicht: (2024)

Generating Realistic Tabular Data with Large Language Models
von: Nguyen, Dang, et al.
Veröffentlicht: (2024)

TabDPT: Scaling Tabular Foundation Models on Real Data
von: Ma, Junwei, et al.
Veröffentlicht: (2024)

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

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

TabFlex: Scaling Tabular Learning to Millions with Linear Attention
von: Zeng, Yuchen, et al.
Veröffentlicht: (2025)

Watermarking Generative Tabular Data
von: He, Hengzhi, et al.
Veröffentlicht: (2024)

SwitchTab: Switched Autoencoders Are Effective Tabular Learners
von: Wu, Jing, et al.
Veröffentlicht: (2024)

Tab-Shapley: Identifying Top-k Tabular Data Quality Insights
von: Padala, Manisha, et al.
Veröffentlicht: (2025)