tabular data

3 items

RESEARCHarXiv CS.AI·4/16/2026

ReSS: Learning Reasoning Models for Tabular Data Prediction via Symbolic Scaffold

ReSS ist ein Framework, das symbolische und neuronale Inferenzmodelle für die Vorhersage tabellarischer Daten verbindet, mit dem Ziel hoher Genauigkeit und nachvollziehbarer Begründungen. Es nutzt Entscheidungsbäume, um symbolische Gerüste zu extrahieren, die ein LLM zur Generierung natürlichsprachiger Begründungen anleiten, welche anschließend zur Feinabstimmung spezialisierter LLMs für tabellarisches Reasoning verwendet werden.

machine learning Explainable AI tabular data large language models

RESEARCHarXiv CS.LG·4/15/2026

Schema-Adaptive Tabular Representation Learning with LLMs for Generalizable Multimodal Clinical Reasoning

Diese Forschung stellt "Schema-Adaptive Tabular Representation Learning" vor, eine neuartige Methode, die Große Sprachmodelle (LLMs) nutzt, um übertragbare tabellarische Embeddings zu generieren. Durch die semantische Kodierung strukturierter Variablen in natürliche Sprache ermöglicht sie eine Zero-Shot-Abstimmung über verschiedene EHR-Schemata in der klinischen Medizin hinweg, ohne manuelle Merkmalsentwicklung.

Clinical Reasoning LLMs tabular data healthcare AI

RESEARCHarXiv CS.LG·vor 6T

Geometry-Aware Tabular Diffusion

Geometry-Aware Tabular Diffusion (GATD) wird für die tabellarische Synthese eingeführt, indem Denoiser mit paarweisen Winkeln und Längen aus Spaltenwertdifferenzen erweitert werden. Es erreicht eine hochmoderne Leistung mit weniger Parametern, reduziert Form- und Trendfehler und zeigt, dass explizite relationale Überwachung die Verbesserung antreibt.

Diffusion Models data synthesis deep learning machine learning