生成式 AI 的兴起使得在医疗、金融和公共政策等领域能够生成高保真度的合成表格数据，这不仅提升了数据可用性，还带来了诸多挑战和机遇。随着合成数据质量的不断提升，研究人员和从业者开始探索其在数据共享、隐私保护以及模型训练等方面的潜在应用。然而，合成数据的真实性、偏差以及对下游任务的影响仍是亟待解决的问题。本文综述了当前生成式 AI 在合成表格数据生成中的最新进展，重点讨论了模型架构、评估指标以及实际应用场景，并提出了未来研究的可能方向。
Large language models (LLMs) achieve state-of-the-art results across many natural language tasks, but their internal mechanisms remain difficult to interpret. I...
大型语言模型（LLMs）在许多基准测试中取得了令人印象深刻的结果，但它们在规划和有状态推理方面的能力仍不明确。我们研究了……
智能电网是经典电力基础设施与先进通信网络和智能控制的融合，旨在创建一个网络物理环境……
端到端（E2E）自动驾驶模型在开放环评估中表现出强大的性能，但往往会出现级联错误和泛化能力差的问题……
Latent reasoning 代表了 Transformer 语言模型的一个新发展，与 chain-of-thought 相比，它在压缩推理长度方面显示出潜力。
对抗性攻击对基于学习的 3D 点云模型构成了重大威胁，严重削弱了它们在安全敏感应用中的可靠性。
如果语言模型在专业情境中无法可靠地披露其 AI 身份，用户就无法信任其能力边界。本研究考察了自我透明…
环肽是针对细胞内位点的有前景的模态；然而，细胞膜渗透性仍然是一个关键瓶颈，并因有限的……而加剧。
本研究提出了一种基于多尺度时间对齐网络（MSTAN）的风险预测方法，以应对时间不规则性、采样...
Vision Language Action 模型通过利用大规模预训练的视觉和语言表征，显著推动了通用机器人操作的进步。
Human activity recognition (HAR) from inertial sensors is essential for ubiquitous computing, mobile health, and ambient intelligence. Conventional deep models ...
