SurvICL
生存分析领域的基础模型，将生存分析转化为上下文学习问题，在合成数据上预训练，推理时直接根据少量样本预测完整生存曲线，无需梯度更新，超越了传统Cox比例风险模型。
时间轴 (近 90 天)
SurvICL是首个在小数据集上排名超过Cox模型的生存分析模型。
SurvICL将生存分析转化为上下文学习问题，模型在推理时直接根据输入的少量样本预测完整的生存曲线，不依赖梯度更新来适配新数据集。
SurvICL完全在合成数据上预训练，使用灵活比例优势先验生成合成数据集，消融实验表明该先验在生成质量上优于其他候选方案。
SurvICL使用普通分位数回归损失进行训练，因为合成数据生成器天然提供无删失的事件时间，从而将删失处理的难题前置到数据生成阶段。
SurvICL团队构建了覆盖103个数据集的生存分析基准，是迄今为止规模最大的生存分析基准。
在63个完全不参与任何设计决策的held-out数据集上，SurvICL与20个基线模型进行对比，且不做任何调参。
在63个数据集上，SurvICL在整合Brier分数的成对比较中胜出82.9%，排名第二的Cox模型胜率为71.3%。
SurvICL的发现说明，当目标任务的数据特性与标准监督学习不匹配时，从预训练数据生成机制入手，可能比改造模型架构或损失函数更有效。
全部知识事实 (8)
SurvICL是首个在小数据集上排名超过Cox模型的生存分析模型。
50%待验证SurvICL将生存分析转化为上下文学习问题，模型在推理时直接根据输入的少量样本预测完整的生存曲线，不依赖梯度更新来适配新数据集。
50%待验证SurvICL完全在合成数据上预训练，使用灵活比例优势先验生成合成数据集，消融实验表明该先验在生成质量上优于其他候选方案。
50%待验证SurvICL使用普通分位数回归损失进行训练，因为合成数据生成器天然提供无删失的事件时间，从而将删失处理的难题前置到数据生成阶段。
50%待验证SurvICL团队构建了覆盖103个数据集的生存分析基准，是迄今为止规模最大的生存分析基准。
50%待验证在63个完全不参与任何设计决策的held-out数据集上，SurvICL与20个基线模型进行对比，且不做任何调参。
50%待验证在63个数据集上，SurvICL在整合Brier分数的成对比较中胜出82.9%，排名第二的Cox模型胜率为71.3%。
50%待验证SurvICL的发现说明，当目标任务的数据特性与标准监督学习不匹配时，从预训练数据生成机制入手，可能比改造模型架构或损失函数更有效。
50%