表格处理神器TabPFN登上《自然》杂志，平均2.8秒解读任意表格。该模型专为小型表格设计，样本量不超过10,000时表现优异。TabPFN采用预训练神经网络方法，超越传统机器学习方法，无需专门训练即可快速处理表格数据。目前，TabPFN v2相比初代版本在分类和回归任务上均有显著提升，并支持缺失值和异常值处理。 TabPFN的训练过程包括生成合成数据集，构建计算图和图结构。模型预训练采用了新的架构，利用双向注意力机制增强理解能力。测试时，模型利用保存的训练状态减少重复计算，并采用半精度计算等方法降低内存占用。实验证明，TabPFN在多项基准测试中表现出色，甚至在Kaggle竞赛中胜过CatBoost。代码已开源，作者团队还提供API供用户使用GPU计算。