内存高效表格基础模型

表格基础模型（例如 TabPFN）最近受到了大量关注，因为它们在上下文表格机器学习任务中的性能通常超过了经典基线。然而，这些模型的实际部署考虑因素却很少受到关注。在本文中，我们研究了这些模型的内存要求。我们证明，采用模型压缩方法可以在性能水平相似的情况下将内存减少高达 7.6，从而将部署要求降低近 87%。我们的工作为寻求在实际环境中有效部署这些模型的从业者提供了见解。