TabPFN-2.5：下一代表格基础模型

TabPFN-2.5，一款突破性的表格基础模型，旨在解决传统机器学习方法需要繁琐调优的局限。该模型通过在海量合成数据上进行预训练，实现了无需训练即可处理高达5万行和2000列的大规模数据集，在性能上超越了经过深度调优的 XGBoost 等主流算法。为了兼顾效率，研究团队引入了蒸馏引擎，能将复杂模型转化为轻量级的 MLP 或树集成架构，极大地降低了推理延迟。此外，TabPFN-2.5 在因果推断和时间序列预测等多元领域展现了极强的泛化能力。其非商业开源许可不仅支持学术研究，也通过云端 API 为工业界的大规模应用提供了新的可能。