Copertina

Pre-trained Tabular Foundation Models as Versatile Summary Networks for Neural Posterior Estimation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Pickens, Elliot, Gohel, Chiraag, Satya, Sidharth
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

Minimum Distance Summaries for Robust Neural Posterior Estimation
di: Khoo, Sherman, et al.
Pubblicazione: (2026)

Making Pre-trained Language Models Great on Tabular Prediction
di: Yan, Jiahuan, 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)

Benchmarking Tabular Foundation Models for Conditional Density Estimation in Regression
di: Izbicki, Rafael, et al.
Pubblicazione: (2026)

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

On Finetuning Tabular Foundation Models
di: Rubachev, Ivan, et al.
Pubblicazione: (2025)

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

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

Bayesian Generative Adversarial Networks via Gaussian Approximation for Tabular Data Synthesis
di: Nasution, Bahrul Ilmi, et al.
Pubblicazione: (2026)

OSF: On Pre-training and Scaling of Sleep Foundation Models
di: Shuai, Zitao, et al.
Pubblicazione: (2026)

Decomposing multimodal embedding spaces with group-sparse autoencoders
di: Kaushik, Chiraag, et al.
Pubblicazione: (2026)

Precise asymptotics of reweighted least-squares algorithms for linear diagonal networks
di: Kaushik, Chiraag, et al.
Pubblicazione: (2024)

A general technique for approximating high-dimensional empirical kernel matrices
di: Kaushik, Chiraag, et al.
Pubblicazione: (2025)

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

Text Classification: Neural Networks VS Machine Learning Models VS Pre-trained Models
di: Petridis, Christos
Pubblicazione: (2024)

TabCF: Distributional Control Function Estimation with Tabular Foundation Models
di: Chen, Geping, et al.
Pubblicazione: (2026)

Real-Time Explanations for Tabular Foundation Models
di: Sena, Luan Borges Teodoro Reis, et al.
Pubblicazione: (2026)

A Mechanistic Study of Tabular Foundation Models
di: Biloš, Marin, et al.
Pubblicazione: (2026)

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

Exploring Fine-Tuning for Tabular Foundation Models
di: Tanna, Aditya, et al.
Pubblicazione: (2026)

End-to-End Compression for Tabular Foundation Models
di: Zabërgja, Guri, et al.
Pubblicazione: (2026)

On the Uncertainty Quantification Ability of Tabular Foundation Models
di: Johnson, Tyler R., et al.
Pubblicazione: (2026)

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

Gibbs Sampling the Posterior of Neural Networks
di: Piccioli, Giovanni, et al.
Pubblicazione: (2023)

BiPFT: Binary Pre-trained Foundation Transformer with Low-rank Estimation of Binarization Residual Polynomials
di: Xing, Xingrun, et al.
Pubblicazione: (2023)

In-context Pre-trained Time-Series Foundation Models adapt to Unseen Tasks
di: Xu, Shangqing, et al.
Pubblicazione: (2026)

Preconditioned Neural Posterior Estimation for Likelihood-free Inference
di: Wang, Xiaoyu, et al.
Pubblicazione: (2024)

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

On Improving Graph Neural Networks for QSAR by Pre-training on Extended-Connectivity Fingerprints
di: Money-Kyrle, Sam, et al.
Pubblicazione: (2026)

DeepRTE: Pre-trained Attention-based Neural Network for Radiative Transfer
di: Zhu, Yekun, et al.
Pubblicazione: (2025)

Enhanced Pre-training of Graph Neural Networks for Million-Scale Heterogeneous Graphs
di: Sun, Shengyin, et al.
Pubblicazione: (2025)

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

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

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

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

Towards Benchmarking Foundation Models for Tabular Data With Text
di: Mráz, Martin, et al.
Pubblicazione: (2025)

Text-Free Multi-domain Graph Pre-training: Toward Graph Foundation Models
di: Yu, Xingtong, et al.
Pubblicazione: (2024)

Zero-shot Meta-learning for Tabular Prediction Tasks with Adversarially Pre-trained Transformer
di: Wu, Yulun, et al.
Pubblicazione: (2025)

Optimal Posterior Sampling for Policy Identification in Tabular Markov Decision Processes
di: Kone, Cyrille, et al.
Pubblicazione: (2026)

Epistemic Uncertainty Quantification For Pre-trained Neural Network
di: Wang, Hanjing, et al.
Pubblicazione: (2024)