arXiv cs.AI· Jayoung Kim, Sanghyun Hong, Noseong Park·· 3 天前AI 评分27
TabMosaic：面向表格生成任务的统一上下文扩散模型
TabMosaic: Unified In-Context Diffusion for Tabular Generative Tasks
AI 导读
TabMosaic 是一个统一的上下文扩散模型，可在无需针对特定表格训练的情况下，为未见且可能不完整的表格生成混合类型目标单元格。该模型将扩散去噪目标定义在所有目标单元格的联合分布上，其预训练目标可约束条件负对数似然及与后验预测分布的散度，将上下文学习的贝叶斯解释从单值预测扩展到多单元格联合生成。在 48 个真实表格上，TabMosaic 在所有评估的生成任务中均排名第一，优于 20 种基线方法。
正文 · AI 翻译
摘要：表格数据的生成式建模已发展到模型能够合成逼真记录、恢复缺失值，并基于类别标签或已观测属性生成样本的程度。尽管近期取得了进展，现有方法要么需要针对特定表格进行训练，要么将上下文学习限制在单单元格预测上。在这项工作中，我们将这些表格生成任务统一为一个问题：在给定未见表格的已观测单元格的情况下，对任意目标单元格集合的联合条件分布进行建模。为此，我们转向扩散模型，其去噪目标是在所有目标单元格上联合定义的，而非一次只针对一个单元格。在预训练分布下，该目标由目标集合上的后验预测分布最小化。基于此，我们提出 TabMosaic，一种统一的上下文扩散模型，无需针对特定表格进行训练，即可在未见且可能不完整的表格中生成混合类型的目标单元格。我们进一步表明，其预训练目标界定了任意目标集合的条件负对数似然以及与后验预测分布的散度，从而将上下文学习的贝叶斯解释从单值预测扩展到联合多单元格生成。在 48 个真实表格上，TabMosaic 在所有评估的生成任务上均优于 20 种基线方法，排名第一
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用格式： | arXiv:2610.15699 [cs.LG] |
| （或本版本的 arXiv:2610.15699v1 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2610.15699 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jayoung Kim [查看邮箱]
[v1]
2026年10月11日星期日 15:35:39 UTC（239 KB）
来源：arXiv cs.AI · arxiv.org