arXiv · cs.AI· Irene Cannistraci, Julia E. Vogt·· 5 小时前
表格基础模型研究称可移除最多96%的Transformer模块
Tabular Foundation Models Are Effectively Shallow
arXiv:2610.13253v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Irene Cannistraci, Julia E. Vogt
研究任务与主要进展
作者提出闭式、无需标签的仿射变换器，在8个前沿表格基础模型中将连续最多96%的Transformer模块替换为简化结构。基于论文摘要，在171个分类数据集上，移除一半模块的中位AUROC损失最多为0.002；移除全部深度最多可节省1.5B参数、使GPU推理加速最高6倍，但中位AUROC代价为0.03。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org