tabular-data

微软研究院推出了Agentic-iModels，这是一个框架，其中编码代理进化出针对LLM可解释性而非人类可读性优化的scikit-learn回归器，在65个数据集上超越了传统的可解释机器学习方法。

本文介绍了 TabEmbed，这是一种用于表格数据的通用嵌入模型，统一了分类和检索任务，并介绍了 TabBench，这是一个用于评估表格理解能力的新基准。

# 互惠协同训练（RCT）：通过强化学习耦合基于梯度与不可微模型 来源：[https://arxiv.org/html/2604.16378](https://arxiv.org/html/2604.16378) Yunshuo Tian¹, Akayou Kitessa¹, Tanuja Chitnis², 和 Yijun Zhao¹ 1 纽约市福特汉姆大学计算机与信息科学系 2 马萨诸塞州波士顿市Mass General Brigham医院神经科 ###### 摘要 大型语言模型 \(LLMs\) 与经典机器学习方法提供互补...

TabularMath 引入了一个基准和 AutoT2T 框架来评估 LLM 对表格数据的数学推理能力，揭示表格复杂性、数据质量和模态对模型性能的重大影响。该研究通过系统地评估模型对真实场景中不完整或不一致表格信息的鲁棒性，填补了 LLM 评估中的空白。

PriorLabs 推出了 TabPFN，这是一种专为表格数据设计的基座模型。