斯坦福发布 RT-J:结构化数据一次前向预测,免特征工程
jure · x · 2026-10-30
斯坦福 Tabular and Relational（STAR）生态推出 RT-J，一个面向数据科学的“System 1”结构化数据模型：把原始数据直接放进上下文，单次前向传播即可完成预测——无需特征工程，也无需模型训练，宣称预测准确。
团队一并开源了模型权重、预训练数据与代码，并发布了 NeurIPS 论文，技术细节以推文串形式展开。
「研究」频道最新
- pstack /statechart skill 转正：内嵌迷你 TLC 编译器帮 agent 找分布式系统 bug — DavidKPiano · 2026-10-30
- 「神经双胞胎」：专为彼此训练、用神经语交流的模型对 — repligate · 2026-10-30
- 把纠错存成 LoRA：Self-Direction 让 Agent GAIA 成功率 38.8%→55.8% — rohanpaul_ai · 2026-10-30
- UCSF 论文：AlphaGenome 系统性低估因果变异效应，细定位表现不及线性基线 — anshulkundaje · 2026-10-30
- NeurIPS 2026 论文数排行：一人挂名 22 篇引作者署名之争 — qberthet · 2026-10-30
- 斯坦福 I3L 让全身机器人部署成功率平均提升 68.3 个百分点 — jiajunwu_cs · 2026-10-30