研究：表格基础模型是否仍需特征工程
原文标题：Do Tabular Foundation Models Still Need Feature Engineering?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究对两大表格基础模型（TFM）家族的多个版本进行受控实验，测试多种特征工程技术在TabArena基准上的效果。发现特征工程收益集中在早期模型代际，对最强模型已可忽略；但补充相关数据集的上下文信息仍能提升性能，表明性能增益来源正从输入重表示转向任务相关上下文。
- 问题
- 表格基础模型变强后，人工特征工程是否还有价值尚不清楚。
- 方法
- 在TabArena上对两大TFM家族多版本做受控实验，对比多种特征工程与补充相关数据集上下文。
- 结果
- 特征工程收益集中在早期模型代际，对最强模型可忽略；补充任务相关上下文仍能提升性能。
- 影响
- 提示工程师把精力从手工特征转向提供任务相关上下文，改变表格建模的投入方向。
深读 · 结论先行AI 生成展开看要点与影响 ↓
受控实验发现特征工程收益集中在早期表格基础模型，对最强模型已可忽略。
- •研究覆盖两大TFM家族的多个版本，在TabArena基准上测试多种现有特征工程技术。
- •一致规律：特征工程增益集中于早期模型代际，对最强模型变得可忽略。
- •补充实验显示，加入相关数据集的上下文信息仍能提升性能。
- •结论指向增益来源转移：重表示已有输入效果下降，提供任务相关上下文仍有效。
为什么重要：对使用表格基础模型的团队意味着手工特征投入的回报在下降，上下文供给更值得投入。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。