PulseAugur
中
实时 10:01:01
English(EN) PluRel: Synthetic Data unlocks Scaling Laws for Relational Foundation Models

新框架PLUREL为AI模型训练生成合成关系数据库

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为PLUREL的新型框架，旨在生成合成的多表关系数据库。该框架通过克服公共多表数据库因隐私问题而稀缺的挑战，解决了关系基础模型（RFMs）的训练难题。PLUREL对模式、主外键连接和特征分布进行建模，以创建多样化且计算高效的合成数据集。研究表明，使用这些合成数据库对RFMs进行预训练，可以展现出幂律定标，提高对真实数据的泛化能力，并产生更强大的基础模型以供后续的真实数据预训练。 AI

影响 通过生成合成数据克服数据隐私限制，从而实现关系基础模型的扩展。

排序理由 该集群描述了一篇详细介绍用于关系基础模型的合成数据生成框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新框架PLUREL为AI模型训练生成合成关系数据库

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Vignesh Kothapalli, Rishabh Ranjan, Valter Hudovernik, Vijay Prakash Dwivedi, Johannes Hoffart, Carlos Guestrin, Jure Leskovec ·

    PluRel：合成数据解锁关系基础模型的规模定律

    arXiv:2602.04029v2 Announce Type: replace-cross Abstract: Relational Foundation Models (RFMs) facilitate data-driven decision-making by learning from complex multi-table databases. However, the diverse relational databases needed to train such models are rarely public due to priv…

相关实体

相关话题