论文页面 - TabEmbed：表格理解通用嵌入的基准测试与学习

来源：https://huggingface.co/papers/2605.04962

摘要

我们提出了一种名为 TabEmbed 的新型通用嵌入模型，该模型利用结合正样本感知困难负样本挖掘的大规模对比学习，在共享嵌入空间中统一了表格分类与检索任务。

基础模型已为自然语言处理建立了统一的表示，但这一范式在表格数据领域仍未得到充分探索。现有方法面临根本性限制：基于大型语言模型（LLM）的方法缺乏与检索 (https://huggingface.co/papers?q=retrieval) 兼容的向量输出，而文本嵌入模型往往难以捕捉表格结构和数值语义。为了弥合这一差距，我们首先介绍了表格嵌入基准 (https://huggingface.co/papers?q=Tabular%20Embedding%20Benchmark)（TabBench），这是一个旨在评估嵌入模型表格理解能力的综合测试套件。随后，我们提出了 TabEmbed，这是第一个在共享嵌入空间 (https://https://huggingface.co/papers?q=embedding%20space) 中统一表格分类 (https://huggingface.co/papers?q=tabular%20classification) 和检索 (https://huggingface.co/papers?q=retrieval) 的通用嵌入模型。通过将多样化的表格任务重构为语义匹配问题 (https://huggingface.co/papers?q=semantic%20matching%20problems)，TabEmbed 利用结合正样本感知困难负样本挖掘 (https://huggingface.co/papers?q=positive-aware%20hard%20negative%20mining) 的大规模对比学习 (https://huggingface.co/papers?q=large-scale%20contrastive%20learning)，以识别细微的结构和数值差异。在 TabBench 上的实验结果表明，TabEmbed 显著优于最先进的文本嵌入模型，为通用表格表示学习 (https://huggingface.co/papers?q=universal%20tabular%20representation%20learning) 建立了新的基准。代码和数据集已公开，分别位于 https://github.com/qiangminjie27/TabEmbed 和 https://huggingface.co/datasets/qiangminjie27/TabBench。

查看 arXiv 页面 (https://arxiv.org/abs/2605.04962) 查看 PDF (https://arxiv.org/pdf/2605.04962) GitHub1 (https://github.com/qiangminjie27/TabEmbed) 添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2605.04962)

在您的 agent 中获取此论文：

hf papers read 2605.04962

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有链接此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2605.04962 即可从此页面建立链接。

引用此论文的数据集 1

qiangminjie27/TabBench 预览 • 更新于约 4 小时前 • 934 (https://huggingface.co/datasets/qiangminjie27/TabBench)

引用此论文的 Spaces 0

没有链接此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2605.04962 即可从此页面建立链接。

包含此论文的合集 0

没有包含此论文的合集

将此论文添加到合集 (https://huggingface.co/new-collection) 即可从此页面建立链接。