标签
CRISP 是一种用于不平衡表格学习的可扩展核心集方法，它能高效减小数据集规模，同时在欺诈检测等任务中保持高准确性。
TAROT提出了一个基于GNN的框架，利用LLM构建和精化任务自适应的语义图，用于少样本表格学习，达到了最先进的性能。
介绍了 MulTaBench，一个包含40个数据集的基准测试，用于文本和图像模态的多模态表格学习。实验表明，任务特定的嵌入调优优于冻结的预训练嵌入，特别是在模态提供互补预测信号时。