Tab-Loop减少表格模型62%参数
发生了什么
据arXiv cs.LG 2026年10月10日论文，研究者提出Tab-Loop方法，通过循环上下文学习（Recurrent In-Context Learning）将表格基础模型的参数减少62%。该方法用4个共享参数的块替代原有的12个独立块。在匹配预训练和推理算力的情况下，参数量从27.6M降至10.4M，性能指标与基线相当。
- 参数减少比例
- 62%
- 优化后参数量
- 10.4M
- 原基线参数量
- 27.6M
- 共享计算块数
- 4
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- arXiv cs.LG一手材料
Recurrent In-Context Learning for Tabular Foundation Models
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口