近期，表格预训练基础模型正重塑机器学习格局。据2026年7月15日TabArena排行榜显示，所有评分超越顶尖调优梯度提升树（GBDT）的模型均属此类。Inria团队推出的TabICLv2表现领先。该模型仅含约2800万参数，完全基于合成数据预训练，从源头杜绝数据污染。作者利用AWS A10G显卡独立完成复现，耗时两小时、花费两美元，精度与官方榜单高度吻合，验证了零样本推理的高效可靠。 架构上，TabICLv2摒弃传统训练，采用注意力机制实现上下文学习，单次前向传播即可完成预测。在常规表格任务中，其表现已大幅领先充分调优的LightGBM。但在超百维高宽表或高基数分类变量场景下，传统树模型仍具优势。谷歌同期发布的TabFM虽登顶榜单，但因缺乏技术文档且采用非商业授权，性能优势尚待独立验证。 业内指出，该模型成熟标志着自动化预测进入新阶段。针对常规业务数据，零样本模型已成为精度与部署效率的最佳平衡点；面对高维复杂场景，模型路由与异构集成将成为性能突破核心。随着透明评估普及，表格AI正加速迈向标准化工业应用。