合成表数据生成近年来受到越来越多的关注，尤其是基础模型在表数据上的出现。利用从结构因果模型（SCM）得到的大量合成表数据集取得的TabPFN（Hollmann等，2025）突破性成功，展示了合成数据在开发强大表基础模型中的关键作用。然而，大多数现实世界的表数据存在于跨多个互相关联的表的关系格式中——这一结构尚未被当前的生成方法充分解决。在本工作中，我们通过开发一个新颖的框架来扩展基于SCM的方法，生成包含表间因果关系的真实合成关系表数据。我们的实验确认该框架能够构建具有模仿现实世界场景的复杂表间依赖关系的关系数据集.
Hoppe等（周五）研究了这个问题.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: