The Sequence AI本週第891期：提示電子表格——深入剖析Google TabFM表格AI

谷歌研究團隊近期釋出了一項突破性成果——TabFM，這是一個專為表格資料設計的預訓練基礎模型，能夠處理分類和迴歸任務。與傳統的機器學習工作流程截然不同，TabFM無需任何訓練、超引數調整或特徵工程。使用者只需將整個問題——包括訓練資料和測試資料——作為一個巨大的提示（prompt）輸入模型，它就能在一次前向傳播中直接輸出預測結果。這實際上是上下文學習（in-context learning）在電子表格領域的創新應用。

長期以來，企業機器學習的工作流程幾乎沒有變化：載入表格、設計特徵、交叉驗證、調整超引數，直到AUC指標不再提升。每個新資料集都意味著從頭重複這套繁瑣的流程。儘管像XGBoost這樣的梯度提升樹模型在企業預測任務中表現出色，但重複性的手動操作仍然制約著效率。谷歌此舉正是為了打破這一局面。

TabFM的誕生並非孤立事件，它繼承了谷歌此前推出的時間序列基礎模型TimesFM的技術路線。TimesFM已經在時間序列預測領域得到了廣泛部署，而TabFM將這一成功經驗推廣到了更為普遍的表格資料領域。表格資料是企業AI應用中最常見的資料形式，涵蓋客戶流失預測、欺詐檢測、信用風險評估等關鍵業務場景。TabFM的出現有望大幅降低企業AI的應用門檻，使得非專家使用者也能輕鬆構建高質量的預測模型。

儘管TabFM目前仍處於研究階段，但其展現出的潛力令人期待。如果能夠成功推廣，它將徹底改變企業機器學習的正規化。當然，該模型是否能在實際場景中全面取代傳統方法，還需要更多的實驗和驗證。但無論如何，谷歌的這一嘗試已經為表格AI的未來發展指明瞭新的方向。