論文の概要: Harpoon: Generalised Manifold Guidance for Conditional Tabular Diffusion

• arxiv url: http://arxiv.org/abs/2602.07875v1
• Date: Sun, 08 Feb 2026 09:03:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.843357
• Title: Harpoon: Generalised Manifold Guidance for Conditional Tabular Diffusion
• Title（参考訳）: Harpoon:条件付きタブラリ拡散のための汎用マニフォールドガイダンス
• Authors: Aditya Shankar, Yuandou Wang, Rihan Hai, Lydia Y. Chen,
• Abstract要約: 我々は、様々な推論時間目的を扱うために多様体理論を拡張した。 ハープーンは、多様体幾何学に沿って制約のないサンプルを誘導し、推論時に様々な条件を満たす。 我々は,不等式制約の実施などの課題に対して,我々の理論的貢献を実証的に検証する。
• 参考スコア（独自算出の注目度）: 11.389688128680737
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating tabular data under conditions is critical to applications requiring precise control over the generative process. Existing methods rely on training-time strategies that do not generalise to unseen constraints during inference, and struggle to handle conditional tasks beyond tabular imputation. While manifold theory offers a principled way to guide generation, current formulations are tied to specific inference-time objectives and are limited to continuous domains. We extend manifold theory to tabular data and expand its scope to handle diverse inference-time objectives. On this foundation, we introduce HARPOON, a tabular diffusion method that guides unconstrained samples along the manifold geometry to satisfy diverse tabular conditions at inference. We validate our theoretical contributions empirically on tasks such as imputation and enforcing inequality constraints, demonstrating HARPOON'S strong performance across diverse datasets and the practical benefits of manifold-aware guidance for tabular data. Code URL: https://github.com/adis98/Harpoon
• Abstract（参考訳）: 環境下での表データ生成は、生成プロセスの正確な制御を必要とするアプリケーションにとって重要である。 既存の手法は、推論中に目に見えない制約に一般化せず、表計算以外の条件付きタスクを扱うのに苦労する訓練時間戦略に依存している。 多様体理論は生成を導くための原則的な方法を提供するが、現在の定式化は特定の推論時間目標に結び付けられ、連続領域に制限される。 我々は、多様体理論を表データに拡張し、その範囲を広げて様々な推論時間目的を扱う。 本研究の基盤となるHARPOONは,非拘束標本を多様体の幾何に沿って案内し,推論時の多彩な表層条件を満たすための表層拡散法である。 我々は,計算や不等式制約の実施,多様なデータセット間でのHARPOONの強みの実証,および表型データに対する多様体対応ガイダンスの実践的メリットについて,理論的貢献を実証的に検証する。 コードURL:https://github.com/adis98/Harpoon

関連論文リスト

• ADHint: Adaptive Hints with Difficulty Priors for Reinforcement Learning [10.874323738819946]
  本稿では、ヒント比と相対アドバンテージ推定の両方において、難易度を重要な要因として扱うADHintを提案する。 私たちのコードとデータセットは、論文の受理時に公開されます。
  論文  参考訳（メタデータ） (2025-12-15T08:53:47Z)
• Instructions are all you need: Self-supervised Reinforcement Learning for Instruction Following [58.60470643433354]
  言語モデルは、現実世界のアプリケーションにとって重要なマルチ制約命令に従うのに苦労することが多い。 本稿では,外部監督に依存しないラベルフリーの自己監督型強化学習フレームワークを提案する。 本稿では,厳密な報酬問題に対処するために,制約分解戦略と効率的な制約ワイドバイナリ分類を導入する。
  論文  参考訳（メタデータ） (2025-10-16T08:24:44Z)
• On the Theory of Conditional Feature Alignment for Unsupervised Domain-Adaptive Counting [27.44207520673983]
  オブジェクトカウントモデルは、密度の多様性が異なるドメインにデプロイされるときに苦しむ。 条件付き特徴アライメントの理論的枠組みを提案し,簡単な実装を提供する。
  論文  参考訳（メタデータ） (2025-06-20T16:37:48Z)
• Constraint-Guided Prediction Refinement via Deterministic Diffusion Trajectories [7.279433512595361]
  本稿では,拡散拡散DDIMを誘導する制約認識のための汎用フレームワークを提案する。 本手法は,事前学習による拡散軌道を反復的に改良し,制約補正により拡張する。
  論文  参考訳（メタデータ） (2025-06-15T17:02:07Z)
• Convergence of TD(0) under Polynomial Mixing with Nonlinear Function Approximation [49.1574468325115]
  時間差分学習(TD(0))は強化学習の基本である。 マルコフデータを混合したバニラTD(0)の最初の高確率有限サンプル解析を行う。
  論文  参考訳（メタデータ） (2025-02-08T22:01:02Z)
• Disperse-Then-Merge: Pushing the Limits of Instruction Tuning via Alignment Tax Reduction [75.25114727856861]
  大規模言語モデル(LLM)は、スーパービジョンされた微調整プロセスの後半で劣化する傾向にある。 この問題に対処するための単純な分散結合フレームワークを導入する。 我々のフレームワークは、一連の標準知識と推論ベンチマークに基づいて、データキュレーションや正規化の訓練など、様々な高度な手法より優れています。
  論文  参考訳（メタデータ） (2024-05-22T08:18:19Z)
• Extended Flow Matching: a Method of Conditional Generation with Generalized Continuity Equation [19.71452214879951]
  条件生成は 生成モデルの最も重要な応用の1つです 行列場を通して条件生成に帰納バイアスを導入することができることを示す。 条件生成におけるEMFの競争性を支持する実験結果とともに,本理論を提示する。
  論文  参考訳（メタデータ） (2024-02-29T04:12:32Z)
• Constrained Synthesis with Projected Diffusion Models [47.56192362295252]
  本稿では, 制約や物理原理の遵守を満足し, 証明する上で, 生成拡散プロセスへのアプローチを紹介する。 提案手法は, 従来の生成拡散過程を制約分布問題として再キャストし, 制約の順守を保証する。
  論文  参考訳（メタデータ） (2024-02-05T22:18:16Z)
• Manifold Preserving Guided Diffusion [121.97907811212123]
  条件付き画像生成は、コスト、一般化可能性、タスク固有のトレーニングの必要性といった課題に直面している。 トレーニング不要な条件生成フレームワークであるManifold Preserving Guided Diffusion (MPGD)を提案する。
  論文  参考訳（メタデータ） (2023-11-28T02:08:06Z)
• An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
  データから制約をマイニングするための一般的なフレームワークを提案する。 特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。 提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-18T20:09:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。