regression

Google Research 推出了 TabFM，这是一种用于表格数据的零样本基础模型，利用上下文学习来执行分类和回归任务，无需手动训练模型或调整超参数。

Google Research 推出了 TabFM，这是一个用于零样本表格数据分类与回归的基础模型，集成到 BigQuery ML 中，通过消除手动训练和特征工程来简化工作流程。

本文提出了用于高斯过程回归中量子核估计的主动样本分配策略，推导出配对级敏感性以指导非均匀样本预算，并在基准测试上展示了相比均匀分配在测试RMSE上的显著改进。

提出了一种针对表格回归的反事实残差数据增强（CRDA）方法，利用特征扰动下残差不变性生成逼真的训练样本，在基准测试中实现了显著的均方误差（MSE）降低。

Google Research发布TabFM，这是一个使用PyTorch的零样本表格基础模型，用于分类和回归，无需微调。

本文介绍了一种针对AI智能体的新型自然语言测试系统，该系统利用模拟隔离自动生成多轮模拟并评估智能体行为，帮助开发者捕捉提示词变更引起的回归问题。

本文提出连续功率预测，将功率预测视为持续学习问题以处理非平稳条件。它在真实世界数据集上评估了六种持续学习方法，展示了在适应性和缓解灾难性遗忘方面的优势。

用户报告称，通过 codex agentRuntime 使用 gpt-5.5 时，在较短的对话轮次中，工具调用会被静默丢弃，导致模型虽生成文本但无响应。该问题为 gpt-5.5 特有，切换至 deepseek/deepseek-v4-pro 即可解决，表明可能存在回归故障。

关于基于AI的土壤湿度估计与分类模型的结构化综述，涵盖统计时间序列、地统计学、经典机器学习、深度学习以及概率/贝叶斯方法。

东京工业大学已免费公开机器学习课程材料，涵盖回归、神经网络、支持向量机、聚类和主成分分析等主题，并附有使用NumPy、scikit-learn和PyTorch的实践代码。

作者报告称，与标准 Q5_K_L 版本相比，Gemma 4 12b QAT 模型由于控制令牌配置错误导致的 bug，在工具调用和编码任务上出现了倒退。尽管令牌速度很高，但模型输出不一致，使其不适合代理工作流。

一种利用贝叶斯概率上下文无关文法生成结构上类似物理方程的合成回归数据集的方法，该方法已在费曼语料库上得到验证，并证明对超参数调优有效。

提出了一种用于低数据高维输出问题的Gaussian process latent factor regression (GPLFR)，并通过一个针对岩质系外行星的全球气候模型的空间分辨仿真器进行了演示。

本文评估了表格基础模型（尤其是TabPFN）用于近红外光谱数据标定的效果。与传统化学计量学方法相比，该模型在回归和分类任务上表现出强劲性能。

本文介绍了一种分布感知的强化学习框架，该框架利用基于批级比较的监督信号，提升了多模态大语言模型在长尾数值回归任务中的性能。

用户反馈 Gemini 此前能对上传的音乐文件给出有用的音频点评，但在同一会话中突然不再识别或分析这些文件。