小米开源表格数据大模型TabLDM，回归能力登顶OpenML-CTR23

小米于9月5日正式发布通用表格数据基础大模型Xiaomi-TabLDM。该模型采用单一预训练模型和统一默认配置，可直接适配不同表格数据集，无需针对每个任务重新训练、调参或后置集成，即可完成分类与回归预测。

金融、医疗、制造、物流等领域大量核心数据以表格形式存在，但传统表格机器学习通常需针对每个新数据集重新训练、调参甚至集成模型，部署代价高。Xiaomi-TabLDM旨在将“一次预训练、跨任务使用”的基础模型范式引入结构化数据领域。

该模型从三方面推进表格基础模型能力：

• 预训练：完全基于结构因果模型（SCM）生成的大规模合成数据，覆盖不同数据规模、变量类型、依赖关系和函数关系，扩大预训练任务分布。
• 模型架构：引入双流特征分组、轻量级注意力残差和稀疏混合专家，从不同粒度建模特征关系，通过稀疏专家扩大模型容量。
• 推理：探索Test-Time Scaling，在保持预训练模型参数不变的情况下，通过增加推理阶段计算量持续提升预测性能。

在四大公开基准评测中，Xiaomi-TabLDM均跻身第一梯队。回归能力表现突出：在OpenML-CTR23回归榜排名第一；在TALENT、TabArena和BCCO的回归任务中均排名第二；在TALENT二分类任务中同样排名第一。以TabArena回归任务为例，Xiaomi-TabLDM取得第二高Elo评分，训练时间比排名第一的TabFM减少82%，预测时间减少68%。

在真实工业场景验证中，Xiaomi-TabLDM相比传统机器学习展现出更高预测精度和跨工况适应能力：

• 材料性能预测：无需微调即可将预测精度提升130%，减少约90%的无效试模与装机测试。
• 零件重量预测：相比XGBoost，失误样本比例降低约31%。
• 生产组分预测：平均误差相比XGBoost降低约54%；当生产工况变化时，仅补充约30条新工况样本作为上下文，即可将平均误差降低约62%。

该模型提供scikit-learn兼容接口，可通过pip安装使用。目前，Xiaomi-TabLDM相关模型权重与代码已正式开源，代码、权重及技术报告可通过以下链接获取：

• 代码：https://github.com/xiaomi-research/xiaomi-tabldm
• 权重：https://huggingface.co/occams/Xiaomi-TabLDM
• 技术报告：https://arxiv.org/abs/2609.03880