待验证50% 置信事实精确时间
TabPFN 在推理时直接把少量示例和待预测输入一起送入前向传播，无需反向传播、GPU 训练集群或持久化保存新模型文件
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
已验证TabPFN在推理时将整个训练集拼接为Transformer输入序列，单次前向传播即完成预测，无需梯度更新79% 相似待验证TabPFN的预训练使用由结构因果模型和贝叶斯网络等概率生成模型采样得到的合成数据集77% 相似待验证2023年提出的TabPFN首次实现了表格数据的in-context learning，通过将训练样本作为上下文输入在推理时完成小规模数据集分类，无需梯度更新75% 相似待验证TabFM无需用户用自己的数据集训练，而是把已标注的行和待预测的无标签行一起输入，在单次推理中直接推断答案75% 相似待验证TabPFN属于基于模型的元学习类别，将整个学习算法编码到Transformer的权重中，因此推理时不需要显式的参数更新过程74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002947API
curl https://kongchang.com/api/v1/knowledge/claims/1002947MCP
get_claim(id=1002947)