待验证50% 置信事实精确时间
研究中评估的两个代表性表格基础模型是TabPFN和TabICL。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/10
首次发现
有效期至:2027/2/8
来源
涉及实体
相关事实
待验证TabPFN-Rel 是一个基础模型工具链,将 TabPFN-3 表格基础模型扩展到关系型数据的预测任务上76% 相似待验证TabICLv2 是 TabICL(Tabular In-Context Learning)系列模型的迭代版本,其核心是在大量合成表格任务上预训练一个 Transformer,使其依靠上下文示例完成分类或回归。70% 相似待验证TabPFN 是一种专为小规模表格数据设计的 Transformer 模型,通过在大量合成表格任务上预训练,能在几百行以内的数据集上直接做分类与回归。65% 相似待验证TabPFN 完全在合成数据上训练63% 相似待验证TabPFN(Tabular Prior-Fitted Network)是一种先验拟合网络,能在毫秒级完成上下文学习,无需数小时训练和超参数调优59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1155129API
curl https://kongchang.com/api/v1/knowledge/claims/1155129MCP
get_claim(id=1155129)