新基准测试评估用于 SQL 查询保真度的合成表格数据

研究人员推出了 TabQueryBench，这是一个新的基准测试，旨在评估合成表格数据在分析查询方面的保真度。与关注统计相似性的现有方法不同，TabQueryBench 使用 SQL 查询来评估合成数据在保留数据分析所需结构方面的效果。对大量数据集和生成模型的实验显示，尽管当前模型在统计相似性方面表现良好，但在以查询为中心的保真度方面仍有不足，RealTabFormer 表现最佳，但保真度仅达到 0.75。该基准测试还突显了生成模型在高基数数据方面面临的挑战，以及保真度与生成成本之间的权衡，其中 BayesNet 提供了强大的平衡。 AI

影响 为合成数据生成引入了新的评估标准，有望提高合成数据集在分析任务中的效用。

排序理由 该条目是一篇研究论文，介绍了一个用于评估合成数据的新基准测试。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• BayesNet
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• RealTabFormer
• ScienceCast
• SQL
• TabQueryBench

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →