待验证60% 置信事实精确时间
LightGBM 采用基于梯度的单边采样（GOSS）与互斥特征捆绑（EFB），大幅压缩内存占用和训练时间
2
来源数
60%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
TabFM：表格数据零样本基础模型，颠覆传统建模方式
redditr/Bard2026/7/10
相关事实
待验证LightGBM于2017年由微软推出，采用基于梯度的单侧采样（GOSS）和互斥特征捆绑（EFB）使训练速度提升10倍以上84% 相似已验证LightGBM由微软研发，优化了大数据场景下的训练速度73% 相似待验证LightGBM在大规模数据集上的训练速度显著快于XGBoost，同时在多数基准测试中保持相当或更好的精度72% 相似已验证LightGBM是微软开源的梯度提升决策树框架，相较于XGBoost采用了基于直方图的决策树算法和叶子优先（leaf-wise）的树生长策略，在大规模数据集上训练速度更快、内存占用更低72% 相似待验证LightGCN是HKUDS在协同过滤推荐领域提出的简化图卷积网络，通过去除非线性变换和特征变换矩阵提升计算效率65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/497082API
curl https://kongchang.com/api/v1/knowledge/claims/497082MCP
get_claim(id=497082)