Frank Hutter 长谈 TabPFN:单次前向传播搞定表格数据的表格基础模型
Machine Learning Street Talk · youtube · 2026-09-24
Machine Learning Street Talk 采访 Prior Labs 联合创始人 Frank Hutter,深入解析表格基础模型 TabPFN 的研究脉络。
- 核心思路:在从结构因果模型先验中抽样的合成数据集上预训练,而非真实数据;预测时把整个训练表作为上下文,单次前向传播近似贝叶斯后验预测分布,无需逐数据集训练或调参
- 讨论覆盖:为什么表格数据长期难被深度学习攻克、公开表格数据稀缺的原因、从 AutoML/神经架构搜索到 TabPFN 的演化、TabArena 基准、v1 到 v3 的架构变化、大表格扩展、测试时计算、Google 的 TabFM、因果推断与干预、关系型数据
- 还谈到 TabPFN 与编码智能体结合的用法,结尾有 Hutter 录制的 TabPFN-3.5 发布更新,并附完整论文引用列表
所属事件:Frank Hutter 长谈 TabPFN：单次前向传播搞定表格数据(2 条相关)→
「模型」频道最新
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11
- 博主断言美国开源模型将凭盈利模式主导，但仍难追 Claude — marktenenholtz · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11
- 降价反而更贵:新模型太爱自查，单任务成本涨31% — tengyanAI · 2026-11-11
- 美国数据厂商被指向中国军方关联企业出售RL环境数据 — xeophon · 2026-11-11