在合成表格資料生成領域，保持列間的依賴關係對於少數類（如欺詐檢測和臨床風險）的判別訊號至關重要。然而，現有評估指標往往忽略了這一關鍵特性。本文的研究揭示了常用指標如邏輯迴歸雙樣本測試（C2ST）和配對趨勢得分在檢測列間依賴上的嚴重不足：即使模型完全破壞所有依賴關係，這些指標仍可能誤判為與真實資料無異。具體來說，一個將所有列獨立建模的基線（從而破壞了所有依賴關係）被邏輯迴歸C2ST判定為與真實資料無法區分，而配對趨勢得分僅部分敏感。
為了解決這一問題，作者提出了一種依賴感知的保真度診斷方法。該方法將基於XGBoost的強分類器雙樣本測試（XGB-C2ST）分解為三個分量：邊際分佈、列間依賴以及數值-類別交叉效應。透過在最壞情況（完全獨立建模，所有依賴被破壞）和最佳情況（真實資料作為參考）之間建立參考錨點，該方法能夠精確量化生成模型的依賴差距。這種方法能夠揭示出標準指標完全遺漏的依賴關係缺失。
將該方法應用於當前最先進的流匹配生成器TabbyFlow/EF-VFM，研究發現了一個標準指標完全遺漏的依賴差距。當依賴關係被完全破壞時，少數類的效用急劇下降；而生成器殘留的依賴差距雖然較小，但也帶來持續的效用損失。進一步的實驗表明，這一差距並非源於均值場生成目標的結構性限制——事實上，變分流匹配目標在漸近意義上是精確的。然而，該差距非常頑固：即使將模型容量擴大16倍也無法彌合。
研究指出，這一現象的根本原因是缺乏直接的依賴監督，而非模型容量或結構限制。值得注意的是，常見的干預措施——如內部依賴機制、事後Copula校正或大幅增加模型容量——均無法有效縮小這一差距。這一發現為領域內普遍假設“簡單修復即可奏效”的做法敲響了警鐘。該論文由Jie Zhang提交於2026年7月20日，主題涉及機器學習（cs.LG）和人工智慧（cs.AI），目前可在arXiv上獲取。