表格基础模型要把 LLM 请出结构化数据场景
bendee983 · x · 2026-07-28
这条长内容讨论的是表格/关系型基础模型（Tabular/Relational Foundation Models）这一新方向：它们专门为结构化数据设计，而不是把表格硬当成自然语言去读。
- 核心观点是：表格不是文本，它是二维的、行顺序无关的，所以需要让表格本身成为 prompt 的模型。
- 这类模型可以在一次前向推理里完成分类或回归，很多场景甚至是 zero-shot，不需要针对每个数据集单独训练。
- 文中举例包括 Google TabFM、Nvidia KumoRFM、TabPFN、TabICL。
- 还提到了一些规模与性能主张：例如可处理 500 个特征、50 万样本，并在大数据集上实现最高 10x 的速度提升。
- 对于 Google 的开源路线，仓库集成进数据仓库的能力也已在路线图中。
「模型」频道最新
- 微软发布自研AI安全模型，关键测试超越GPT且成本减半 — MichaelFNunez · 2026-07-28
- 月之暗面发布 Kimi K3：2.6T 参数登顶开源榜首 — ArtificialAnlys · 2026-07-28
- 实测对比：K3等模型推理token极易耗尽预算 — MaziyarPanahi · 2026-07-28
- 端侧实测：Nanbeige4.2-3B 的 KV Cache 效率远低于 Qwen MoE — TechTefa · 2026-07-28
- 35B 模型智能体实测：KAT-Coder 以一半 Token 消耗追平 Qwen — IvGranite · 2026-07-28
- LangChain活动：开源模型在Agent任务上已比肩闭源 — LangChain · 2026-07-28