在合成表格数据生成领域，保持列间的依赖关系对于少数类（如欺诈检测和临床风险）的判别信号至关重要。然而，现有评估指标往往忽略了这一关键特性。本文的研究揭示了常用指标如逻辑回归双样本测试（C2ST）和配对趋势得分在检测列间依赖上的严重不足：即使模型完全破坏所有依赖关系，这些指标仍可能误判为与真实数据无异。具体来说，一个将所有列独立建模的基线（从而破坏了所有依赖关系）被逻辑回归C2ST判定为与真实数据无法区分，而配对趋势得分仅部分敏感。
为了解决这一问题，作者提出了一种依赖感知的保真度诊断方法。该方法将基于XGBoost的强分类器双样本测试（XGB-C2ST）分解为三个分量：边际分布、列间依赖以及数值-类别交叉效应。通过在最坏情况（完全独立建模，所有依赖被破坏）和最佳情况（真实数据作为参考）之间建立参考锚点，该方法能够精确量化生成模型的依赖差距。这种方法能够揭示出标准指标完全遗漏的依赖关系缺失。
将该方法应用于当前最先进的流匹配生成器TabbyFlow/EF-VFM，研究发现了一个标准指标完全遗漏的依赖差距。当依赖关系被完全破坏时，少数类的效用急剧下降；而生成器残留的依赖差距虽然较小，但也带来持续的效用损失。进一步的实验表明，这一差距并非源于均值场生成目标的结构性限制——事实上，变分流匹配目标在渐近意义上是精确的。然而，该差距非常顽固：即使将模型容量扩大16倍也无法弥合。
研究指出，这一现象的根本原因是缺乏直接的依赖监督，而非模型容量或结构限制。值得注意的是，常见的干预措施——如内部依赖机制、事后Copula校正或大幅增加模型容量——均无法有效缩小这一差距。这一发现为领域内普遍假设“简单修复即可奏效”的做法敲响了警钟。该论文由Jie Zhang提交于2026年7月20日，主题涉及机器学习（cs.LG）和人工智能（cs.AI），目前可在arXiv上获取。