KAN增强TabPFN的大规模预测结果
热点事件持续更新
KAN增强TabPFN的大规模预测结果
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Ziming Liu团队公开了以KAN增强冻结TabPFN的预测管线：将模型规模q及归一化学习率、批量大小输入TabPFN预测损失，再由KAN学习参考曲线对应的坐标变换。结果显示，该方法明显改善大规模训练的外推预测与配置选择，但同分布预测提升不显著。 在StepLaw任务中，T1最终损失的外推平均绝对误差降低29%，T2损失曲线外推误差降低16%；T3选择遗憾率从0.427%降至0.084%，降幅约80%。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 19:17
KAN + TabPFN 组合提升 scaling 预测，OOD 误差最高降低 80%报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- AGI HuntKAN + TabPFN 组合提升 scaling 预测，OOD 误差最高降低 80%
Ziming Liu 团队用 KAN 增强冻结的 TabPFN，将学习率与 batch size 相关的坐标变换用于 scaling 预测，并解释残差来源。StepLaw 任务中，T1 最终损失 OOD MAE 降 29%，T2 损失曲线 OOD 降 16%，T3 选择遗憾 OOD 从 0.427% 降至 0.084%（降 80%），同分布（ID）提升不显著。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。