通过迭代群体对齐实现表格语言模型的自我改进

针对现有表格数据生成语言模型无法从自身样本中学习及忽略全局统计特性的局限，本文提出 TabGRAA 框架。该方法利用自动化质量信号将生成样本划分为高低质量组，并通过群体相对优势目标进行优化，建立良性反馈循环。模型仅基于自生成信号微调，无需额外真实数据，有效降低数据泄露风险。实验表明，该方法在保真度、实用性和隐私保护方面优于现有技术，推动表格合成从静态复制迈向动态自我改进。