TabPFN 学的是一亿张假表,不是你客户的表
SAP 收购 Prior Labs,押注大模型处理不好业务表格,但 FDE 仍要用客户真实数据证明它胜过老方法。

要点速览
- TabPFN 学自合成表格数据,而非客户数据;在样本量不超过 10,000 的数据集上明显优于以往方法
- 基准测试结果不能证明它在客户真实表格上同样有效,FDE 的工作就是在这张表上重新证明
- 好的试点需要三样东西:同一切分上的强基线、按数据量的学习曲线,以及不会被类别不平衡蒙骗的指标
客户发来一份 ERP 导出的数据:几千行订单、几十个字段,问题也很日常:“请提前告诉我们哪些订单会延迟交付。”这时总会有人补一句:“为什么不丢给聊天机器人,看它能不能猜出来?”
很多工程师恰恰卡在这里。SAP 在 2026 年 5 月 4 日宣布收购 Prior Labs 时说得很直白:大模型(LLM)对表格、数字和统计只有浅层理解,因此很难在结构化业务数据上做预测。客户的订单表正好落在这个短板上。
Prior Labs 开发的 TabPFN 是一款专为表格数据打造的基础模型。这类产品交给前线部署工程师(FDE)的任务非常具体:在客户自己的表格上,诚实地证明基础模型比老方法更有价值。
一个从假数据里学会“如何学习”的模型
处理表格数据,常见做法是为每个问题单独训练一个模型,通常是梯度提升,再调参。TabPFN 走的是另一条路。根据 2025 年 1 月发表在 Nature 上的论文,它本身是一种学习算法,而这个算法又是从数百万个合成数据集中学来的。
弗莱堡大学的新闻稿给出了具体数字:模型在 1 亿个合成数据集上训练。值得注意的是,它完全没有用过任何客户的真实数据。它学到的,是面对一张陌生的表格时如何直接做出预测。
公开结果相当亮眼。论文称,在样本量不超过 10,000 的数据集上,TabPFN 大幅领先此前所有方法。弗莱堡大学还补充,它只需 50% 的数据,就能达到此前最佳模型的准确率。
基础模型这么强,为什么还需要有人坐在客户身边?
因为基准测试不是客户的表。真实表格里有事后被覆盖的字段,有中途改了格式的客户 ID,还有每个仓库定义都不一样的“延迟”标签。这些问题,基础模型自己解决不了。
Prior Labs 也没有把模型当作封闭的黑盒来卖。早在 2025 年初融资时,公司就表示 TabPFN 支持在企业的专有数据上微调。到 2025 年 12 月面向企业销售时,在企业自有数据上微调仍是卖点之一。
而在客户数据上微调,就意味着必须有人到现场:理解数据、搭建数据管道、评测结果,再向决策者讲清楚。
SiliconANGLE 认为,Prior Labs 的目标是帮助企业理解和利用对业务最关键的复杂信息。这类信息很少现成地躺在一张干净的表里。把它变成可用的表格,正是坐在客户身边的那个人要做的事。
诚实的试点长什么样
设想一家分销商有 1,800 个客户。每个客户是某个日期采集的一行数据,共 40 个字段,外加一个“下季度流失”的标签列。假设只有 90 个客户流失,占 5%。
一个偷懒的模型只要预测“没人流失”,准确率就有 95%,却一个流失客户都没抓到。由于它给每个客户打的分都一样,ROC AUC 恰好是 0.5,和抛硬币没有区别。所以准确率一开始就要排除,改用 ROC AUC 和最高风险组的精确率。
不过,要回答的问题并不是“TabPFN 好不好”。正确的问题是:在这张表上,它比基线好多少,又需要多少数据?
下面的代码就是按这个思路写的:同一个时间切分,多种数据量,多个模型。
from sklearn.metrics import roc_auc_score
# 固定按时间切分:用过去的数据训练,用之后的时段测试
df = df.sort_values("snapshot_date")
cut = int(len(df) * 0.7)
train, test = df.iloc[:cut], df.iloc[cut:]
X_train, y_train = train[features], train["churn"]
X_test, y_test = test[features], test["churn"]
def learning_curve(make_model, fractions=(0.25, 0.5, 1.0)):
scores = {}
for frac in fractions:
n = int(len(X_train) * frac)
model = make_model()
# 取最接近测试时段的 n 行
model.fit(X_train.iloc[-n:], y_train.iloc[-n:])
proba = model.predict_proba(X_test)[:, 1]
scores[frac] = roc_auc_score(y_test, proba)
return scores
# make_baseline:调好参的梯度提升模型
# make_foundation:表格基础模型
results = {name: learning_curve(fn) for name, fn in
{"baseline": make_baseline, "foundation": make_foundation}.items()}
学习曲线是最有价值的部分。如果基础模型用 50% 的数据就追平了用 100% 数据的基线,就等于在真实数据上亲自验证了弗莱堡大学的说法。对客户来说,这个结果非常实用:他们可以先用一个区域的数据起步,不必等全国的数据都收齐。
如果两条曲线重合,这同样是结果。如实汇报,再提出下一步:也许是微调,也许是先清洗标签。
自己动手:按什么顺序?
先和懂业务的人一起定义标签,并对每个字段追问:预测的时候,这个值已经知道了吗?这一个问题,就能在写第一行代码之前挡住大部分数据泄漏。
接着锁定切分,建立一个调好参的强基线。基线太弱,任何差距都没有意义,客户那边眼尖的人一眼就能看出来。之后才在同一切分上运行基础模型和学习曲线。
最后给出有条件的建议。如果基础模型明显且稳定地胜出,就在真实工作流中试用。如果只是小幅领先,可以考虑在客户自有数据上微调,这一选项已经包含在 Prior Labs 的企业方案中。如果没有胜出,就保留基线,并记录原因。
让试点失去可信度的错误
最常见的错误是数据泄漏:像“实际交付日期”这样的字段混进了输入,让每个模型看起来都很出色。第二个错误是把基准测试结果放进幻灯片,代替在客户表格上实测的结果。Nature 上的数字是值得一试的理由,不是这个项目的证据。
第三个错误是忘了适用范围。如果客户的表远超 10,000 行,就已经超出了 2025 年那篇论文验证过的范围,必须重新测量,而不是外推。
最后一个错误,是向安全团队承诺自己没核实过的事。模型用合成数据预训练,并不能说明客户数据之后会流向哪里。
开安全会议之前,直接问供应商:预测时模型需要哪些客户数据?微调期间数据存放在哪里?模型运行在谁的基础设施上?
这项能力如何体现在简历上
TabPFN 下载量超过 300 万次,是被广泛使用的开源工具,不用等项目就可以马上练手。上面那个 1,800 个客户的试点,完全可以用公开数据自己搭一遍。
阅读基础模型公司前线部署 ML 工程师的岗位描述时,留意这些说法:在客户数据上微调、模型评测、直接与客户合作。
然后让简历恰好证明这些能力。不要写“有表格机器学习经验”,而要写清楚:什么问题、用了哪个基线、什么指标、差距多大、在多大数据量下。
招 FDE 的人想看到的是:你先懂得测量,再懂得夸奖。一个从 1 亿张假表中学习过的模型,依然需要一个人在真实表格上问出最难的那个问题:预测的时候,这个字段我们真的已经知道了吗?
这篇文章对你有帮助吗?
感谢你的反馈!
5 个信源
- Accurate predictions on small data with a tabular foundation model (Nature, PMC copy) · 2025-01-08
- New AI model TabPFN enables faster and more accurate predictions on small tabular data sets · 2025-01-09
- Prior Labs: €9 Million (Pre-Seed) Raised To Change How Businesses Unlock Insights · 2025-02-19
- Prior Labs debuts tabular AI foundation model that scales to 10 million rows - SiliconANGLE · 2025-12-01
- Acquisition doubles down on SAP's early mover advantage in tabular foundation models · 2026-05-04