待验证50% 置信基准精确时间
TabPFN-2 的中位数预测平均误差占销量比例为 0.502，4 周均值×k 基线为 0.486；TabPFN-2 也优于同特征训练的梯度提升模型（0.527）、上周规则（0.631）和去年同周规则（0.884）。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证TabPFN给出低于20%逾期概率的586张发票中，8.7%实际逾期（模型平均预测6.2%）；给出高于80%的116张中，90.5%实际逾期（模型预测87.4%）。71% 相似待验证在 30 个保留测试窗口的基准测试中，TabPFN 达到 100.0% 总体准确率、100.0% 冲击召回率、0.33 ms CPU 延迟、0.0% 步频误报，且无需训练或调参。71% 相似待验证在具体实验案例中，重叠锚点方案（n=912）显示模型55.2%对多数类51.1%，净优势+4.1pp，约2.4个标准误；非重叠锚点方案（n=163）显示59.5%对54.0%，净优势+5.5pp，约1.4个标准误。69% 相似待验证在公开健康基准测试中，一个普通AI模型在开发者自己的复跑中得分高于Tabibu，0.522对0.426（非官方排行榜数据），开发者认为原因是Tabibu的安全层在基准测试中拉低了分数。69% 相似待验证在单张表、零特征工程的条件下，TabFM在客户流失预测演示中的表现超过了作者此前精心调优的树模型，但分数仅为0.6068% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1051648API
curl https://kongchang.com/api/v1/knowledge/claims/1051648MCP
get_claim(id=1051648)