推进开放和可重复的关系学习：RelArena-$α$、TabPFN-Rel 和 RPI

Prior Labs 在关系学习方面的首次发布表明了我们对开放科学的持续承诺。我们开源了三款软件，我们希望这些软件能够加速该领域的研究，从而对现实世界产生有意义的影响。我们的目标是根据社区的反馈并与社区合作来引导进一步的开发。鉴于开发的早期阶段，我们的 $α$ 版本针对研究人员和早期采用者。在过去的几年里，出现了各种用于关系学习的数据集和任务，但社区尚未集中在一种可靠的、可重复的方法上来比较这些任务的不同方法。我们的 $α$ 版本 RelArena-$α$ 受到 TabArena 等既定表格基准的启发，通过标准化数据加载、评估协议、调优机制以及对具有自定义调优的系统的支持，提供了一个统一的框架，用于在 RelBench v1 上运行和比较基线。我们计划与研究社区合作，进一步将 RelArena-$α$ 发展成为关系学习社区进步的催化剂。我们发布了 TabPFN-Rel 的初始版本，这是一个专门为 TabPFN-3 构建的关系工具。 TabPFN-Rel目前在RelArena-$α$上排名第一，TabPFN-Rel在RDBLearn的基础上进行了关键改进。除了排名之外，TabPFN-Rel 还充当了强大的基准，并增加了越来越多的证据，表明将关系数据库扁平化为单个表仍然比现实世界任务中的专用关系架构具有竞争力。为了促进关系学习方法在研究和行业中的采用，我们发布了关系预测接口 RPI 的初始 $α$ 版本，RPI 是一个开源、模型无关的接口，使早期采用者能够轻松定义新数据库上的问题，并将 RelArena-$α$ 中实现的任何模型（包括 TabPFN-Rel）应用于这些问题。