热点事件持续更新
研究团队提出零样本表格学习框架TABHGR+
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月20日，研究团队在arXiv发布论文，提出基于LLM超图推理的零样本表格学习框架TABHGR+。该框架利用LLM生成的规则为表格所有行赋予弱标签，并对语义相关行进行超图分组。同时，TABHGR+通过超图标签传播修正标签噪声，并为超边分配标签自适应权重以优化传播效果。实验表明，TABHGR+仅需与数据集大小无关的常数次LLM调用，在大幅降低推理成本的同时，其分类准确率超越了零样本和强少样本基线。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
研究团队提出TABHGR+框架，以常数次LLM调用实现超越零样本及强少样本基线的分类准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 机器学习基于 LLM 超图推理的零样本表格学习框架 TABHGR+
研究团队提出零样本表格学习框架 TABHGR+，利用 LLM 生成的规则为所有行赋予弱标签并对语义相关行进行超图分组。该框架通过超图标签传播修正噪声，并为超边分配标签自适应权重以优化传播效果。TABHGR+ 仅需与数据集大小无关的常数次 LLM 调用，在大幅降低推理成本的同时，分类准确率超过了零样本和强少样本基线。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。