Copertina

Breaking the Quality-Privacy Tradeoff in Tabular Data Generation via In-Context Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Han, Xinyan, Lu, Yan, Lin, Xiaoyu, Jiang, Yuanyuan, Wang, Yuanrui, Li, Xuanyue, Zou, Wenchao, Zhang, Xingxuan
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

TFMLinker: Universal Link Predictor by Graph In-Context Learning with Tabular Foundation Models
di: Liao, Tianyin, et al.
Pubblicazione: (2026)

Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy
di: Jin, Richeng, et al.
Pubblicazione: (2023)

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

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

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

Initial Exploration of Zero-Shot Privacy Utility Tradeoffs in Tabular Data Using GPT-4
di: Mandal, Bishwas, et al.
Pubblicazione: (2024)

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

Privacy-Preserving Tabular Synthetic Data Generation Using TabularARGN
di: Sidorenko, Andrey, et al.
Pubblicazione: (2025)

Measuring Privacy Risks and Tradeoffs in Financial Synthetic Data Generation
di: Zuo, Michael, et al.
Pubblicazione: (2026)

SMOTE-DP: Improving Privacy-Utility Tradeoff with Synthetic Data
di: Zhou, Yan, et al.
Pubblicazione: (2025)

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

TabGen-ICL: Residual-Aware In-Context Example Selection for Tabular Data Generation
di: Fang, Liancheng, et al.
Pubblicazione: (2025)

How Well Does Your Tabular Generator Learn the Structure of Tabular Data?
di: Jiang, Xiangjian, et al.
Pubblicazione: (2025)

LimiX: Unleashing Structured-Data Modeling Capability for Generalist Intelligence
di: Zhang, Xingxuan, et al.
Pubblicazione: (2025)

Team, Then Trim: An Assembly-Line LLM Framework for High-Quality Tabular Data Generation
di: Zhang, Congjing, et al.
Pubblicazione: (2026)

In-Context Learning Operates as Concept Subspace Learning
di: Tang, Wei, et al.
Pubblicazione: (2026)

Privacy Preserving Diffusion Models for Mixed-Type Tabular Data Generation
di: Sattarov, Timur, et al.
Pubblicazione: (2025)

In-Context Bias Propagation in LLM-Based Tabular Data Generation
di: Recasens, Pol G., et al.
Pubblicazione: (2025)

Error Slice Discovery via Manifold Compactness
di: Yu, Han, et al.
Pubblicazione: (2025)

Evaluating Privacy-Utility Tradeoffs in Synthetic Smart Grid Data
di: Catarino, Andre, et al.
Pubblicazione: (2025)

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

On the Price of Privacy for Language Identification and Generation
di: Li, Xiaoyu, et al.
Pubblicazione: (2026)

Privacy-Preserving Fair Synthetic Tabular Data
di: Sarmin, Fatima J., et al.
Pubblicazione: (2025)

Representation Learning for Tabular Data: A Comprehensive Survey
di: Jiang, Jun-Peng, et al.
Pubblicazione: (2025)

Data Plagiarism Index: Characterizing the Privacy Risk of Data-Copying in Tabular Generative Models
di: Ward, Joshua, et al.
Pubblicazione: (2024)

Fine-tuned In-Context Learning Transformers are Excellent Tabular Data Classifiers
di: Breejen, Felix den, et al.
Pubblicazione: (2024)

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

A Survey on Deep Learning Approaches for Tabular Data Generation: Utility, Alignment, Fidelity, Privacy, Diversity, and Beyond
di: Stoian, Mihaela Cătălina, et al.
Pubblicazione: (2025)

The Safety-Privacy Tradeoff in Linear Bandits
di: Zibaie, Arghavan, et al.
Pubblicazione: (2025)

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

Trustworthy Machine Learning via Memorization and the Granular Long-Tail: A Survey on Interactions, Tradeoffs, and Beyond
di: Li, Qiongxiu, et al.
Pubblicazione: (2025)

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

From Supervised to Generative: A Novel Paradigm for Tabular Deep Learning with Large Language Models
di: Wen, Xumeng, et al.
Pubblicazione: (2023)

Bridging Streaming Continual Learning via In-Context Large Tabular Models
di: Lourenço, Afonso, et al.
Pubblicazione: (2025)

Exploring the Privacy-Energy Consumption Tradeoff for Split Federated Learning
di: Lee, Joohyung, et al.
Pubblicazione: (2023)

Exploring the Heterogeneity of Tabular Data: A Diversity-aware Data Generator via LLMs
di: Tang, Yafeng, et al.
Pubblicazione: (2025)

Learning Causal Orderings for In-Context Tabular Prediction
di: Xu, Sascha, et al.
Pubblicazione: (2026)

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

High-Quality Tabular Data Generation using Post-Selected VAE
di: Shulakov, Volodymyr
Pubblicazione: (2024)

ReTabSyn: Realistic Tabular Data Synthesis via Reinforcement Learning
di: Lin, Xiaofeng, et al.
Pubblicazione: (2026)