Copertina

Data Language Models: A New Foundation Model Class for Tabular Data

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Erol, Eda, Pezzoli, Giuliano, Kelahmet, Ozer Cem
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

When Tabular Foundation Models Meet Strategic Tabular Data: A Prior Alignment Approach
di: Lv, Xinpeng, et al.
Pubblicazione: (2026)

Distilling Tabular Foundation Models for Structured Health Data
di: Tanna, Aditya, et al.
Pubblicazione: (2026)

EPIC: Effective Prompting for Imbalanced-Class Data Synthesis in Tabular Data Classification via Large Language Models
di: Kim, Jinhee, et al.
Pubblicazione: (2024)

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

In-context Learning of Evolving Data Streams with Tabular Foundational Models
di: Lourenço, Afonso, et al.
Pubblicazione: (2025)

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

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

From Rows to Yields: How Foundation Models for Tabular Data Simplify Crop Yield Prediction
di: Sabo, Filip, et al.
Pubblicazione: (2025)

CLIMB: Class-imbalanced Learning Benchmark on Tabular Data
di: Liu, Zhining, et al.
Pubblicazione: (2025)

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

Robust Tabular Foundation Models
di: Peroni, Matthew, et al.
Pubblicazione: (2025)

Automated Model Selection for Tabular Data
di: Amballa, Avinash, et al.
Pubblicazione: (2024)

TabularQGAN: A Quantum Generative Model for Tabular Data
di: Bhardwaj, Pallavi, et al.
Pubblicazione: (2025)

Data Presentation Over Architecture: Resampling Strategies for Credit Risk Prediction with Tabular Foundation Models
di: Tanna, Aditya, et al.
Pubblicazione: (2026)

Transfer Learning of Tabular Data by Finetuning Large Language Models
di: Rabbani, Shourav B., et al.
Pubblicazione: (2025)

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

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

Synthetic Tabular Data Generation for Class Imbalance and Fairness: A Comparative Study
di: Panagiotou, Emmanouil, et al.
Pubblicazione: (2024)

A Data-Centric Perspective on Evaluating Machine Learning Models for Tabular Data
di: Tschalzev, Andrej, et al.
Pubblicazione: (2024)

Disentangling Tabular Data Towards Better One-Class Anomaly Detection
di: Ye, Jianan, et al.
Pubblicazione: (2024)

A Note on Statistically Accurate Tabular Data Generation Using Large Language Models
di: Sidorenko, Andrey
Pubblicazione: (2025)

Large Language Models Engineer Too Many Simple Features For Tabular Data
di: Küken, Jaris, et al.
Pubblicazione: (2024)

Taxonomy Inference for Tabular Data Using Large Language Models
di: Wu, Zhenyu, et al.
Pubblicazione: (2025)

Empowering Tabular Data Preparation with Language Models: Why and How?
di: Chen, Mengshi, et al.
Pubblicazione: (2025)

Diffusion and Flow Matching Models for Tabular Data: A Survey
di: Li, Zhong, et al.
Pubblicazione: (2025)

A Model of Causal Explanation on Neural Networks for Tabular Data
di: Isozaki, Takashi, et al.
Pubblicazione: (2025)

Large Scale Transfer Learning for Tabular Data via Language Modeling
di: Gardner, Josh, et al.
Pubblicazione: (2024)

Comparing Task-Agnostic Embedding Models for Tabular Data
di: Hoppe, Frederik, et al.
Pubblicazione: (2025)

Computing Conditional Shapley Values Using Tabular Foundation Models
di: Olsen, Lars Henry Berge, et al.
Pubblicazione: (2026)

OmniTabBench: Mapping the Empirical Frontiers of GBDTs, Neural Networks, and Foundation Models for Tabular Data at Scale
di: Jiang, Dihong, et al.
Pubblicazione: (2026)

Quality Assessment of Tabular Data using Large Language Models and Code Generation
di: Akella, Ashlesha, et al.
Pubblicazione: (2025)

TAT-LLM: A Specialized Language Model for Discrete Reasoning over Tabular and Textual Data
di: Zhu, Fengbin, et al.
Pubblicazione: (2024)

Scalable In-Context Learning on Tabular Data via Retrieval-Augmented Large Language Models
di: Wen, Xumeng, et al.
Pubblicazione: (2025)

Elephants Never Forget: Memorization and Learning of Tabular Data in Large Language Models
di: Bordt, Sebastian, et al.
Pubblicazione: (2024)

Real-TabPFN: Improving Tabular Foundation Models via Continued Pre-training With Real-World Data
di: Garg, Anurag, et al.
Pubblicazione: (2025)

Deep Learning within Tabular Data: Foundations, Challenges, Advances and Future Directions
di: Ren, Weijieying, et al.
Pubblicazione: (2025)

Tabular Data with Class Imbalance: Predicting Electric Vehicle Crash Severity with Pretrained Transformers (TabPFN) and Mamba-Based Models
di: Somvanshi, Shriyank, et al.
Pubblicazione: (2025)

Tabular Data Contrastive Learning via Class-Conditioned and Feature-Correlation Based Augmentation
di: Cui, Wei, et al.
Pubblicazione: (2024)

SynLLM: A Comparative Analysis of Large Language Models for Medical Tabular Synthetic Data Generation via Prompt Engineering
di: Ilaty, Arshia, et al.
Pubblicazione: (2025)

ScoringBench: A Benchmark for Evaluating Tabular Foundation Models with Proper Scoring Rules
di: Landsgesell, Jonas, et al.
Pubblicazione: (2026)