The Sequence AI本周第891期：提示电子表格——深入剖析Google TabFM表格AI

谷歌研究团队近期发布了一项突破性成果——TabFM，这是一个专为表格数据设计的预训练基础模型，能够处理分类和回归任务。与传统的机器学习工作流程截然不同，TabFM无需任何训练、超参数调整或特征工程。使用者只需将整个问题——包括训练数据和测试数据——作为一个巨大的提示（prompt）输入模型，它就能在一次前向传播中直接输出预测结果。这实际上是上下文学习（in-context learning）在电子表格领域的创新应用。

长期以来，企业机器学习的工作流程几乎没有变化：加载表格、设计特征、交叉验证、调整超参数，直到AUC指标不再提升。每个新数据集都意味着从头重复这套繁琐的流程。尽管像XGBoost这样的梯度提升树模型在企业预测任务中表现出色，但重复性的手动操作仍然制约着效率。谷歌此举正是为了打破这一局面。

TabFM的诞生并非孤立事件，它继承了谷歌此前推出的时间序列基础模型TimesFM的技术路线。TimesFM已经在时间序列预测领域得到了广泛部署，而TabFM将这一成功经验推广到了更为普遍的表格数据领域。表格数据是企业AI应用中最常见的数据形式，涵盖客户流失预测、欺诈检测、信用风险评估等关键业务场景。TabFM的出现有望大幅降低企业AI的应用门槛，使得非专家用户也能轻松构建高质量的预测模型。

尽管TabFM目前仍处于研究阶段，但其展现出的潜力令人期待。如果能够成功推广，它将彻底改变企业机器学习的范式。当然，该模型是否能在实际场景中全面取代传统方法，还需要更多的实验和验证。但无论如何，谷歌的这一尝试已经为表格AI的未来发展指明了新的方向。