待验证50% 置信事实精确时间
SelectPFN 能在约 0.04 秒内完成预测，根本原因在于 PFN 的摊销推断特性，将逐数据集推断成本摊销到预训练阶段。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
SelectPFN：一次前向传播完成贝叶斯变量选择的稀疏非线性回归新方法
rss2026/10/15
涉及实体
相关事实
待验证SelectPFN 是一种基于先验数据拟合网络（PFN）的模型，能够联合执行贝叶斯变量选择与预测，并专为稀疏非线性回归任务设计；它在单次前向传播中不仅给出预测结果，还返回每个变量的后验包含概率。75% 相似待验证先验数据拟合网络（PFN）的核心思路是通过在大量合成的先验数据上进行预训练，让神经网络直接学会近似贝叶斯后验预测分布（PPD）74% 相似待验证SelectPFN 通过一个围绕组 spike-and-slab 稀疏输入神经网络构建的元先验，在合成任务上完成一次性预训练。69% 相似待验证实证结果表明PFN通常能够很好地复现目标后验预测分布66% 相似待验证PPLM和FUDGE等即插即用方法保持预训练语言模型参数不变，在解码阶段通过额外训练的轻量级分类器调整生成概率分布以引导输出满足特定属性64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042163API
curl https://kongchang.com/api/v1/knowledge/claims/1042163MCP
get_claim(id=1042163)