RAD-TFM：面向表格基础模型的对抗式域自适应训练框架
原文标题：RAD-TFM: Robust and Domain-Adapted Tabular Foundation Models
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv 论文提出 RAD-TFM，一种与模型无关的对抗训练框架，通过参数化合成数据生成器分布，让生成器主动强调对模型困难的数据集，并用最优性差距度量形式化。该方法还能将合成数据对齐到特定领域真实数据，约束对抗方生成真实样本。应用于 TabPFN V2 后，在 6 个表格基准上平均归一化 AUC 最高提升 10.8 个百分点，仅用不到 10 万个额外合成数据集（不足原预训练数据的 0.1%）；在 TabICL V2 上同样有效，显示框架通用性。
- 问题
- 表格基础模型预训练数据生成器如何更有针对性。
- 方法
- 把生成器分布参数化后做对抗训练，按最优性差距强调难样本，并对齐真实领域数据。
- 结果
- TabPFN V2 在 6 个表格基准上平均归一化 AUC 最高提升 10.8 个点，仅增不到 10 万合成数据集。
- 影响
- 用不到 0.1% 的额外合成数据即可显著提升表格模型，降低领域适配成本。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。