TabPFN：一秒搞定表格分类

TabPFN 的新型变换器（Transformer）模型，专门用于快速解决小型表格数据分类问题。该模型通过先验数据拟合网络（PFN）技术，在合成数据上预先学习了复杂的因果模型（SCM）和贝叶斯神经网络（BNN）先验。在实际应用中，它无需进行超参数微调，仅需一次前向传播即可在不到一秒的时间内完成预测。实验证明，TabPFN 在处理一千个样本以下的数值型数据集时，性能优于梯度提升树，并能媲美顶尖的 AutoML 系统，且运行速度提升了数百倍。这种方法将原本耗时的在线训练转化为高效的上下文学习（In-context Learning），极大地降低了计算成本。