小米开源构造化数据大模型Xiaomi-TabLDM：一款通用的全使命解决方案

9月5日消息，小米正式发布了通用表格数据基础大模型Xiaomi-TabLDM。该模型的主要特点是一次预训练，无需针对每个数据集进行重新训练、调参或模型集成，即可直接完成分类和回归预测任务。这将大模型范式扩展至金融、医疗、制造和物流等领域广泛存在的表格结构化数据场景。

长期以来表格数据处理大多依靠XGBoost、LightGBM这类传统机器学习工具，每拿到一份新业务表格，就要重新完成训练调参，多套模型维护带来沉重部署成本，Xiaomi-TabLDM目标就是打破一表一模型”的行业现状，实现单模型跨数据集直接使用。

模型技术路线围绕大规模合成数据预训练、高效模型Scaling、Test-Time Scaling三大方向展开，整套预训练全部依靠合成表格数据完成，覆盖多样的数据规模、变量类型与函数关系，扩大任务分布覆盖。

架构层面引入双流Feature Group、轻量级Attention Residual以及稀疏MoE专家混合机制，在扩大模型容量的同时，避免计算量同步暴涨，同时支持在不改动模型参数的前提下，依靠增加推理阶段计算资源，进一步拉高预测结果准确度。

在TALENT、OpenML-CTR23、BCCO、TabArena四大公开基准测试当中，Xiaomi-TabLDM整体进入第一梯队。

回归任务表现尤为亮眼，拿下TALENT二分类第一、OpenML-CTR23回归榜单第一，BCCO总体第二、TabArena回归任务第二，多项指标超过TabPFN-3、AutoGluon1.5 extreme等主流基线方案，同时兼顾预测性能与推理效率，在TabArena回归任务上取得1900 Elo得分，每1000样本验证耗时仅3.12秒。

工业真实场景测试进一步验证模型价值，材料性能预测场景无需微调，预测精度提升130%，减少九成无效试模测试；零件重量预测相比XGBoost，失误样本占比下降31%；生产组分预测平均误差降低54%。

遇到工况发生变化，仅补充三十条左右新样本作为上下文，模型平均误差就可以下降62%，对比传统算法需要两百家样本才能接近同等效果，小样本快速适配优势突出。