论文
GOTabPFN：从高维数据表格基础模型的特征排序到紧凑标记化
GOTabPFN: From Feature Ordering to Compact Tokenization for Tabular Foundation Models on High-Dimensional Data
摘要
我们研究如何使小型表格基础模型有效地进行高维、低样本大小（HDLSS）表格预测，而无需重新训练大型骨干网。我们引入了局部细化图引导排序 (GO-LR)，展示了其与加权最小线性排列的等价性，并将实际求解器解释为 TSP 路径式代理。我们提出基于 GO-LR 的 GOTAbPFN 和神经启发子单元压缩（NSC）单元，将局部相邻的有序特征池化为元特征，产生紧凑的表示，使 TabPFN 式预测在 HDLSS 体系中实用。在表格基准测试中，GOTabPFN 在严格的 词元预算 下提高了稳定性和准确性。