LimiX-2：基于上下文机制网络的通用结构化数据智能模型

清华大学与 Stable AI 等机构的研究团队发布论文，推出基于上下文机制网络（CMN）的通用结构化数据基础模型 LimiX-2。

• 抛弃传统表格预测网络的目标预测范式，采用上下文机制网络联合建模变量分布 p(x, y|D_context)。
• 采用 400M 参数的 24 层双轴 Transformer 架构，通过结构因果模型生成的合成数据集进行预训练。
• 支持在单次前向传播中同时完成分类、回归、缺失值填充以及基于特征注意力的因果骨架恢复。
• 在 TabArena、TALENT 与 BCCO 等结构化数据基准测试中取得前列性能表现。
• 影响/看点：该架构展示了统一表格预测与因果发现的基础模型路径；其广泛应用取决于合成因果数据训练出的表征在真实工业高维异构表格中的迁移泛化能力。
• 资料依据:
• LimiX-2 论文预印本（2026-09-17）：https://arxiv.org/abs/2609.17488
• Hugging Face 论文页面（2026-09-17）：https://huggingface.co/papers/2609.17488

本内容由 AI 生成，仅供参考，请注意甄别