tabpfn

TabPFN-3.5 发布，声称在 IID 小数据设置之外为表格数据提供最先进的性能，具有处理分组和时序数据、不确定性校准以及更快推理等功能。

Prior Labs 发布开源工具，包括 RelArena-α、TabPFN-Rel 和 RPI，以推进可复现的关系学习，提供统一的基准测试框架和一个基于 TabPFN 的模型。

本文研究了小表格数据集上TabPFN的上下文采样，发现上下文多样性和覆盖范围比分布匹配对准确性更重要，并且随机采样是有效的。

本文介绍了GOTabPFN，一种结合了图引导排序与局部精炼（GO-LR）及神经启发子单元压缩（NSC）的方法，使得小型表格基础模型能够在无需重新训练大型骨干网络的情况下，有效进行高维低样本量预测。

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。

PriorLabs 推出了 TabPFN，这是一种专为表格数据设计的基座模型。