稳准智能联合清华发布 LimiX-2，登顶三项结构化数据评测
国产团队把表格数据基础模型做到 400M 参数并登顶三项国际评测，思路是把“一任务一模型”换成通用预测。
9月16日，稳准智能联合清华大学崔鹏教授团队发布数据大模型 LimiX-2，参数规模提升至 400M。在 TabArena、BCCO、TALENT 三个结构化数据（表格类行列数据）评测基准上，其 Elo 综合得分分别为 1935、1432、1506，均列第一，超过 Google、SAP、Amazon 的同类模型。
正文摘录
清华稳准智能联合发布 LimiX-2，结构化数据基础模型登顶国际评测榜单 9月16日，稳准智能联合清华大学发布新一代数据大模型 LimiX-2，模型参数规模提升至 400M。 9月16日，稳准智能联合清华大学计算机系崔鹏教授，发布新一代数据大模型 LimiX-2，模型参数规模提升至 400M。在 TabArena、BCCO、TALENT 三个国际主流结构化数据 Benchmark 中，LimiX-2 总体 Elo 分数分别达到 1935、1432 和 1506，均位于榜单第一，超过 Google、SAP、Amazon 等国际大厂的同类模型。 在 TabArena、BCCO、TALENT 三个国际主流结构化数据 Benchmark 中，LimiX-2 总体 Elo 分数分别达到 1935、1432 和 1506，均位于榜单第一，超过 Google、SAP、Amazon 等国际大厂的同类模型。 Elo 是衡量模型综合能力的排名指标。TabArena、BCCO、TALENT 是国际主流结构化数据模型评测基准，覆盖多类任务，用于评估模型在不同数据集上的泛化能力和预测性能，已成为当前结构化数据基础模型竞争的重要评价依据。 第一是上下文机制网络 CMNs（Contextual Mechanism Networks），作为预测依赖关系的系统，将建模重点从预先指定的目标变量，转向变量之间的相互关联； LimiX 团队提出上下文机制网络（CMNs），开辟从“目标预测”走向“结构发现”的结构化数据建模新范式。传统经典 PFNs 以指定目标的预测分布为核心；CMNs 则将上下文数据的全变量联合依赖作为建模对象，不仅关注变量取什么值，更着眼于发现变量如何相互关联、共同构成怎样的内在结构。 这一范式转变重新确立了模型的学习目标。