Buchumschlag

SAGE: Sparse Adaptive Guidance for Dependency-Aware Tabular Data Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Shuo, Zhang, Zheyu, Prenkaj, Bardh, Kasneci, Gjergji
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

Doubling Your Data in Minutes: Ultra-fast Tabular Data Generation via LLM-Induced Dependency Graphs
von: Yang, Shuo, et al.
Veröffentlicht: (2025)

Not All Features Deserve Attention: Graph-Guided Dependency Learning for Tabular Data Generation with Language Models
von: Zhang, Zheyu, et al.
Veröffentlicht: (2025)

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

SCISSOR: Mitigating Semantic Bias through Cluster-Aware Siamese Networks for Robust Classification
von: Yang, Shuo, et al.
Veröffentlicht: (2025)

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

RAZOR: Sharpening Knowledge by Cutting Bias with Unsupervised Text Rewriting
von: Yang, Shuo, et al.
Veröffentlicht: (2024)

Reinforcement Unlearning via Group Relative Policy Optimization
von: Zaradoukas, Efstratios, et al.
Veröffentlicht: (2026)

Graph Inverse Style Transfer for Counterfactual Explainability
von: Prenkaj, Bardh, et al.
Veröffentlicht: (2025)

CURE: Controlled Unlearning for Robust Embeddings -- Mitigating Conceptual Shortcuts in Pre-Trained Language Models
von: Kocak, Aysenur, et al.
Veröffentlicht: (2025)

Towards Non-Adversarial Algorithmic Recourse
von: Leemann, Tobias, et al.
Veröffentlicht: (2024)

Consolidating Rewarded Perturbations for LLM Post-Training
von: Zhang, Zheyu, et al.
Veröffentlicht: (2026)

Probabilistic Aggregation and Targeted Embedding Optimization for Collective Moral Reasoning in Large Language Models
von: Yuan, Chenchen, et al.
Veröffentlicht: (2025)

Enriching Tabular Data with Contextual LLM Embeddings: A Comprehensive Ablation Study for Ensemble Classifiers
von: Kasneci, Gjergji, et al.
Veröffentlicht: (2024)

From Confidence to Collapse in LLM Factual Robustness
von: Fastowski, Alina, et al.
Veröffentlicht: (2025)

Where Paths Split: Localized, Calibrated Control of Moral Reasoning in Large Language Models
von: Yuan, Chenchen, et al.
Veröffentlicht: (2026)

P-TA: Using Proximal Policy Optimization to Enhance Tabular Data Augmentation via Large Language Models
von: Yang, Shuo, et al.
Veröffentlicht: (2024)

Injecting Falsehoods: Adversarial Man-in-the-Middle Attacks Undermining Factual Recall in LLMs
von: Fastowski, Alina, et al.
Veröffentlicht: (2025)

Moral Lenses, Political Coordinates: Towards Ideological Positioning of Morally Conditioned LLMs
von: Yuan, Chenchen, et al.
Veröffentlicht: (2026)

Entry Dependent Expert Selection in Distributed Gaussian Processes Using Multilabel Classification
von: Jalali, Hamed, et al.
Veröffentlicht: (2022)

Agnostic Visual Recommendation Systems: Open Challenges and Future Directions
von: Podo, Luca, et al.
Veröffentlicht: (2023)

Seamless Monitoring of Stress Levels Leveraging a Universal Model for Time Sequences
von: Gabrielli, Davide, et al.
Veröffentlicht: (2024)

TRADES: Generating Realistic Market Simulations with Diffusion Models
von: Berti, Leonardo, et al.
Veröffentlicht: (2025)

Understanding Knowledge Drift in LLMs through Misinformation
von: Fastowski, Alina, et al.
Veröffentlicht: (2024)

TLOB: A Novel Transformer Model with Dual Attention for Price Trend Prediction with Limit Order Book Data
von: Berti, Leonardo, et al.
Veröffentlicht: (2025)

Robust Stochastic Graph Generator for Counterfactual Explanations
von: Prado-Romero, Mario Alfonso, et al.
Veröffentlicht: (2023)

Position: Uncertainty Quantification Needs Reassessment for Large-language Model Agents
von: Kirchhof, Michael, et al.
Veröffentlicht: (2025)

Analysing the Safety Pitfalls of Steering Vectors
von: Li, Yuxiao, et al.
Veröffentlicht: (2026)

A Multi-Agent Framework for Interpreting Multivariate Physiological Time Series
von: Gabrielli, Davide, et al.
Veröffentlicht: (2026)

AI on the Pulse: Real-Time Health Anomaly Detection with Wearable and Ambient Intelligence
von: Gabrielli, Davide, et al.
Veröffentlicht: (2025)

Emergent Abilities in Large Language Models: A Survey
von: Berti, Leonardo, et al.
Veröffentlicht: (2025)

A Survey on Graph Counterfactual Explanations: Definitions, Methods, Evaluation, and Research Challenges
von: Prado-Romero, Mario Alfonso, et al.
Veröffentlicht: (2022)

I Prefer not to Say: Protecting User Consent in Models with Optional Personal Data
von: Leemann, Tobias, et al.
Veröffentlicht: (2022)

Grokking in the Wild: Data Augmentation for Real-World Multi-Hop Reasoning with Transformers
von: Abramov, Roman, et al.
Veröffentlicht: (2025)

Enhancing Fairness through Reweighting: A Path to Attain the Sufficiency Rule
von: Zhao, Xuan, et al.
Veröffentlicht: (2024)

Beyond Edge Deletion: A Comprehensive Approach to Counterfactual Explanation in Graph Neural Networks
von: De Sanctis, Matteo, et al.
Veröffentlicht: (2026)

Is Crowdsourcing Breaking Your Bank? Cost-Effective Fine-Tuning of Pre-trained Language Models with Proximal Policy Optimization
von: Yang, Shuo, et al.
Veröffentlicht: (2024)

Attention Mechanisms Don't Learn Additive Models: Rethinking Feature Importance for Transformers
von: Leemann, Tobias, et al.
Veröffentlicht: (2024)

Gender Bias in Explainability: Investigating Performance Disparity in Post-hoc Methods
von: Dhaini, Mahdi, et al.
Veröffentlicht: (2025)

Semantically Guided Representation Learning For Action Anticipation
von: Diko, Anxhelo, et al.
Veröffentlicht: (2024)

EvalxNLP: A Framework for Benchmarking Post-Hoc Explainability Methods on NLP Models
von: Dhaini, Mahdi, et al.
Veröffentlicht: (2025)