TabGift：上下文高效表格数据生成基础模型

2026年10月15日，arXiv 人工智能板块报道，Yu-Sheng Li、Jun-Peng Jiang、Han-Jia Ye 提出 TabGift 表格数据生成基础模型。该模型面向表格数据生成，强调上下文高效：仅需少量上下文样本即可完成分布建模与数据生成。其方法为，先用预训练表格编码器将异构表格映射到共享潜在空间，再由上下文扩散模型在少量干净样本条件下对潜在样本去噪，最后用轻量级数据集专属 MLP 解码器还原到原始数据空间。报道称，在 7 个分类和 11 个回归数据集上，TabGift 的合成数据质量持续优于代表性基线，在有限上下文场景提升尤为明显，同时适配与生成速度大幅加快。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。