对应论文
Accurate predictions on small data with a tabular foundation model
视频简介
像大模型一样直接处理表格：TabPFN 凭 2D 架构实现开箱即用，精度碾压主流算法 TabPFN 是一种专为中小型表格数据设计的深度学习基础模型，其核心在于通过上下文学习（In-Context Learning）在单次前向传播中完成预测。该模型打破了传统梯度提升决策树在表格领域长达二十年的统治地位，在包含一万个样本以内的指标上，其性能显著优于经过数小时调优的传统算法，且推理速度提升了数千倍。研究团队通过在数百万个基于结构因果模型生成的合成数据集上进行预训练，使模型能够自主学习处理缺失值、离群点及类别特征等复杂问题的策略。除了卓越的预测能力，TabPFN 还展现出生成合成数据、密度估计和微调等基础模型特性，为科学发现和决策支持提供了更高效的工具。这种端到端的学习方式标志着表格数据建模从人工设计算法向全自动算法发现的重要转变。