arXiv cs.AI· Jialin Zhang, Fenghao Dong, Yajie Zhou, Vyas Sekar, Shinan Liu·· 3 天前AI 评分25
TabQueryBench：面向合成表格数据的查询中心基准
TabQueryBench: A Query-Centric Benchmark for Synthetic Tabular Data
AI 导读
研究者提出 TabQueryBench，一个用 SQL 式分析查询评估合成表格数据的查询中心基准，将 12 个公开查询来源提炼为 44 个可复用查询模板，覆盖 49 个数据集和 11 个生成模型，每个数据集生成超 100 条可执行查询。
正文 · AI 翻译
摘要：合成表格数据支持数据共享、访问受限下的模型开发以及分析工作流的快速原型设计等用例。现代生成模型通过其统计相似性、相关结构、隐私性和下游机器学习效用进行评估。然而，此类评估留下了一个空白：它们很少测试对分析查询至关重要的结构。我们提出了 TabQueryBench，一个以查询为中心、使用 SQL 形式分析查询来评估合成表格数据的基准。TabQueryBench 将 12 个公开查询来源提炼为 44 个可复用的查询模板，并通过策略引导的模板到 SQL 流水线将其落地到每个数据集。在 49 个数据集和 11 个生成模型上，它为每个数据集生成超过 100 个可执行查询，同时保持跨模型可比性。我们的评估揭示了传统保真度与以查询为中心的保真度之间的巨大差距。即使是最强的模型 RealTabFormer，其以查询为中心的保真度也仅达到 0.76 +/- 0.23，而真实数据为 1.00。失败在高基数属性以及局部或尾部查询上最为显著，同时模型质量还与生成成本存在权衡。这些结果表明，合成数据在统计上可能看起来逼真，但仍无法保持真实数据的分析行为，这促使以查询为中心的保真度成为现有评估指标的必要补充。我们开源了 TabQueryBench，以促进这一方向的研究。
| 学科： | 数据库（cs.DB）；人工智能（cs.AI） |
| 引用为： | arXiv:2607.03926 [cs.DB] |
| （或 arXiv:2607.03926v2 [cs.DB] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.03926 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Shinan Liu [查看电子邮件]
[v1]
2026年7月4日星期六 15:43:34 UTC（822 KB）
[v2]
2026年10月11日星期日 13:19:05 UTC（605 KB）
来源：arXiv cs.AI · arxiv.org