TABHGR+零样本表格学习框架提出
热点事件持续更新
TABHGR+零样本表格学习框架提出
1 篇报道1 个报道来源59 分钟前更新
先了解这件事
AI 综述
2026年10月20日，arXiv Artificial Intelligence 刊出 Geon Lee 等作者的论文，提出关系感知的零样本表格学习框架 TABHGR+。据该报道，TABHGR+ 先用大语言模型按列和任务描述生成规则，为所有行打弱标签；再按规则把语义相关的行分组，构建超图进行标签传播，并为超边分配标签自适应权重以改进传播效果。报道称，该方法只需与数据集规模无关的常数次 LLM 调用，推理成本因此大幅降低，分类准确率超过零样本基线和强少样本基线。目前事件进展停留在论文发布与框架介绍层面，尚无后续跟进报道，也未出现与早先报道矛盾的数字或说法。
AI 根据报道生成 · 39 分钟前更新
最新进展10月20日 12:00
TABHGR+：用 LLM 生成规则与超图推理实现零样本表格学习报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv Artificial IntelligenceTABHGR+：用 LLM 生成规则与超图推理实现零样本表格学习
TABHGR+ 是一个关系感知的零样本表格学习框架，用 LLM 按列和任务描述生成规则为所有行打弱标签，再按规则把语义相关的行分组构建超图做标签传播，并为超边分配标签自适应权重以改进传播效果。该方法只需与数据集规模无关的常数次 LLM 调用，推理成本大幅降低，分类准确率超过零样本和强少样本基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。