NeurIPS 审稿争议与原生数值架构 PFN 的优势

近期关于 NeurIPS 审稿与表格数据模型的讨论引发关注。有声音指出，部分 NeurIPS 审稿会提出在给定预算内根本无法用实验证伪的主张。同时，专家 Gael Varoquaux 强调，PFN 模型并非对 LLM 进行后训练，而是采用原生支持数值输入的架构从头训练，避免了数字字符串化，这使得后训练 LLM 在处理大型表格数据时往往表现掉队。

2026-07-26 ~ 2026-07-26 · 2 条相关

• NeurIPS 审稿开始要求预算内根本证伪不了的主张 — roydanroy · 2026-07-26
• PFN 走原生数值架构，后训练 LLM 在大表格上掉队 — GaelVaroquaux · 2026-07-26