تسجل لوحة المؤشرات الحية TabArena، المحدّثة في منتصف يوليو 2026، تحولاً جذرياً في هندسة تعلم الآلة على البيانات الجدولية، حيث تربع نموذج الأساس الجدولية على الصدارة متجاوزةً بوضوح الأشجار المتدرجة المعززة المطبقة بدقة. وقد غيّرت هذه الفئة من المحولات المسبقة التدريب طبيعة المهمة، محوّلةً التدريب والضبط إلى عملية استدلال فوري بصفر ضبط، محققةً قفزة تفوقها 150 نقطة إيلو على المعايير القائمة. يُهيمن نموذج TabFM التابع لمختبرات جوجل للأبحاث على التصنيف الأعلى، رغم غياب التوثيق الفني والقيود على الترخيص غير التجاري. ويأتي نموذج TabICLv2، المطور من فريق SODA في معهد إنريا، في مركز الصدارة بين الحلول مفتوحة المصدر وقابلة التدقيق. يتميز هذا النموذج بحجمه المتقن البالغ 28 مليون معامل، واعتماده على تدريب اصطناعي بحت منقح من نماذج سببية عشوائية، مما يستبعد أي تسرب محتمل لبيانات الاختبار. وقد خضع النموذج لتحقق مستقل كامل على بنية سحابية بميزانية محدودة، مؤكّداً تطابق نتائجه مع المؤشر الرسمي ضمن هامش خطأ إحصائي ضئيل، مع تزامن في الدقة والتوزيع الاحتماعي عبر خمسين Datasetاً تجريبياً. تكشف التحليلات الدقيقة عن انقسام واضح في نطاقات التطبيق. تفوز النماذج الأساسية على الجداول التي تقل فيها الميزات عن المئة، مع ميزة فائقة في سرعة التنبؤ التي لا تتعدى ثوانٍ معدودة لكل ألف سطر. غير أن الأشجار المتدرجة تحتفظ بتفوقها الحاسم في البيئات عالية الأبعاد، خاصةً عند تجاوال 100 ميزة، أو في الجداول ذات الفئات عالية التعددية، حيث تُظهر النماذج القائمة على المحولات تراجعاً في الدقة. كما تبيّن أدوات التوجيه الذكية إمكانية رفع الأداء عند الاختيار بين نماذج أساسية متكاملة بناءً على أخطاء التحقق، في حين تفشل هذه الآلية عند دمج النماذج الأساسية مع الأشجار التقليدية، بسبب عدم القابلية للمقارنة في تقديرات الفقد الداخلي. يخلص المحللون إلى توجيه استراتيجي للمطورين: يُفضل اعتماد النماذج مفتوحة الوزن والمدربة على بيانات اصطناعية لضمان الشفافية والموثوقية التشغيلية، مع الإبقاء على الأشجار المتدرجة كخيار هندسي للجداول المعقدة تركيبياً. وتحذر التقارير من الاعتماد العمياء على المكاسب الأدائية الناتجة عن إدخال بيانات حقيقية في مراحل ما بعد التدريب، مطالبةً بفرض معايير تدقيق صارمة ومنهجيات استبعاد قابلة للتحقق لضمان نزاهة المؤشرات المستقبلية في ظل السباق المتسارع لتوطين الذكاء الاصطناعي في الأنظمة الجدولية.