待验证50% 置信基准精确时间
在作者进行的预测实验中，TabPFN 在全部9次运行中排名第一：使用300条历史预订时 ROC-AUC 为0.721，1,000条时为0.766，3,000条时为0.778；梯度提升分别为0.682、0.702、0.747；逻辑回归分别为0.699、0.741、0.749。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
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0.6069% 相似待验证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）。69% 相似待验证在该回测中，普通逻辑回归和线性回归的准确性与TabPFN相当（AUC 0.890、Brier 0.122、付款日误差5.81天），并未明显逊色。68% 相似待验证在仅用基准窗口输入的公平比较下，PRISM 的 AUROC 为 0.8895，与 UniPACT 的 0.8937 和 MDS-ED 的 0.8889 基本持平68% 相似待验证一位学习者在该数据集上检测伪造收据时，无论如何调整模型，ROC-AUC 始终徘徊在 0.46–0.54 之间，接近随机猜测67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1057227API
curl https://kongchang.com/api/v1/knowledge/claims/1057227MCP
get_claim(id=1057227)