TDGT：一个支持自适应GPU加速贝叶斯混合模型、扩散模型和潜在空间生成建模的表格数据生成工具包

arXiv cs.LG 论文
synthetic-data tabular-data generative-modeling bayesian-mixture gpu-acceleration privacy-preserving data-generation

摘要

TDGT是一个用于合成表格数据生成的基于Web的工具包，引入了自适应贝叶斯混合合成器（ABMS）算法和混合VAE-ABMS模型，具有GPU加速和全面的保真度评估。

arXiv:2606.31268v1 公告类型：新 摘要：随着对隐私保护数据共享的需求日益增长，合成数据生成已成为负责任AI工作流程中的关键组成部分。尽管生成建模取得了显著进展，但现有解决方案往往缺乏自适应生成策略、多指标评估以及可在统一Web工具包中使用的端到端生成器的集成。在这项工作中，我们介绍了TDGT（表格数据生成工具包），一个用于合成表格数据生成和保真度评估的基于Web的工具包。TDGT引入了自适应贝叶斯混合合成器（ABMS），这是一种新颖的算法，通过迭代聚类质量优化自主确定最优混合成分数量，消除了手动超参数配置的需要。在ABMS的基础上，我们进一步提出了VAE-ABMS，这是一种混合架构，将基于变分自动编码器的潜在空间学习与自适应贝叶斯混合合成相结合，能够高保真地生成复杂的非线性表格分布。对于大规模场景，TDGT提供了ABMS的GPU加速变体，利用基于CUDA的k均值聚类和高斯混合拟合。合成数据保真度通过11项统计保真度指标进行评估，涵盖分布散度、结构相关性和样本级相似性，并辅以隐私风险指标，包括k-匿名评分和披露率估计。基于Web的工具包支持实时流式接口，具有基于Plotly的交互式可视化。TDGT在来自医疗保健、社会经济建模和网络安全领域的数据集上进行了评估，展示了跨异构特征类型和数据规模的一致生成保真度和统计一致性。
查看原文
查看缓存全文

缓存时间: 2026/07/01 05:34 

# TDGT：一种支持自适应GPU加速贝叶斯混合模型、基于扩散模型和潜空间生成建模的表格数据生成工具包
来源：https://arxiv.org/abs/2606.31268
查看PDF（https://arxiv.org/pdf/2606.31268）

> 摘要：随着对隐私保护数据共享的需求日益增长，合成数据生成已成为负责任AI工作流程中的关键组成部分。尽管生成式建模取得了显著进展，但现有解决方案往往缺乏在统一网页工具包内集成的自适应生成策略、多指标评估以及可用的端到端生成器。本文介绍TDGT（表格数据生成工具包），一个用于合成表格数据生成和保真度评估的网页工具包。TDGT引入了自适应贝叶斯混合合成器（ABMS），这是一种新颖的算法，通过迭代聚类质量优化自主确定最优混合分量数量，无需手动配置超参数。在ABMS基础上，我们进一步提出VAE-ABMS，一种混合架构，将基于变分自编码器的潜空间学习与自适应贝叶斯混合合成相结合，实现复杂非线性表格分布的高保真生成。针对大规模场景，TDGT提供了ABMS的GPU加速变体，利用基于CUDA的k-means聚类和高斯混合拟合。合成数据保真度通过11项统计保真度指标进行评估，涵盖分布散度、结构相关性和样本级相似性，并辅以隐私风险指标，包括k-匿名评分和披露率估计。该网页工具包支持实时流式界面，并配有基于Plotly的交互式可视化。TDGT在医疗健康、社会经济建模和网络安全领域的数据集上进行了评估，在异质特征类型和数据规模下展现出一致的生成保真度和统计连贯性。

## 提交历史

来自：Vasileios Pezoulas 博士 [通过电子邮件查看]（https://arxiv.org/show-email/6828696e/2606.31268） **\[v1\]** 2026年6月30日星期二 07:42:48 UTC（4,068 KB）

相似文章

Geometry-Aware Tabular Diffusion

arXiv cs.LG

介绍了Geometry-Aware Tabular Diffusion（GATD），该方法通过显式的成对几何特征增强表格扩散去噪器。在十个基准测试上取得了最先进的性能，同时使用的参数显著更少。

TD3B：用于别构结合物生成的过渡导向离散扩散

Hugging Face Daily Papers

TD3B 是一种基于序列的生成框架，利用过渡导向离散扩散设计具有特定激动剂或拮抗剂行为的别构结合物。该论文引入了一种控制蛋白质状态方向性转变的方法，解决了基于静态结构的设计方法的局限性。

DiffusionGemma

Simon Willison's Blog

Google 发布了 DiffusionGemma，这是一个采用 Apache 2 许可证的开源权重文本生成模型（总参数量 26B，活跃参数量 4B），通过 NVIDIA 的 NIM 云 API 展示了极高的推理速度。