免调参表格数据SOTA模型开源

表格数据一直是深度学习的盲区，XGBoost、LightGBM 统治了十年，核心原因是神经网络对表格特征不敏感且调参成本高。TabPFN 用预训练 Transformer 直接绕过了这个陷阱，开箱即用就能打平甚至超过调参后的 GBDT。

跟 AutoGluon 这类 AutoML 框架比，TabPFN 不需要堆叠多模型、不需要长时搜索，单次前向即可出结果，8GB 显存就能跑。但代价是数据量大了会吃力，CPU 只支持千条样本以下。

最适合两类人：一是做 POC 需要快速验证特征价值的 PM 或分析师，二是生产环境里有大量中小表格数据集、但不想维护复杂训练管道的工程师。大数据量场景建议还是保留 LightGBM 作为 fallback。