一句话定义：表格基础模型（Tabular Foundation Model）是一类专门在“行与列”这种结构化数据上预训练过的模型，拿到一张新表格，不用重新训练、不用调参，直接就能给出预测。
它到底“基础”在哪
它和大语言模型（LLM）的相似之处是“预训练 + AI 词典：上下文学习">上下文学习”，不同之处在于它预训练时看的不是网页文本，而是海量人工合成的表格任务：随机生成一批特征列、制造因果结构、噪声、缺失值和类别特征，凑成上百万个虚拟小数据集，让模型反复学“看到这样的训练行和标签，测试行该怎么填”。
TabPFN 就是这个思路的代表——把训练集和待预测行一起送进一次前向计算，模型在一次前向传播里完成“学习”。LimiX 系列走的是同一路线，目标是覆盖分类、回归等多种表格任务。
打个比方：传统机器学习像每接一个项目就现砌一台机器——清洗、特征工程、调参、交叉验证，一轮下来几天。表格基础模型像一把出厂就校准好的万用表，拿起来直接量。
和“把 CSV 丢给 LLM”的本质区别
| 维度 | 表格基础模型 | 把 CSV 丢给 LLM | 传统 GBDT |
|---|---|---|---|
| 预训练数据 | 合成表格任务 | 网页、书籍文本 | 无，每个数据集现训 |
| 新数据成本 | 一次前向，秒级 | 一次推理 | 清洗+调参，小时到天 |
| 数值处理 | 按列原生处理 | 切成文本 token | 原生 |
| 输出 | 概率分布 | 自然语言 | 概率分布 |
| 小样本表现 | 通常较稳 | 容易不稳定 | 样本少易过拟合 |
关键差别有三点。一是数值被 token 化：“38291.5” 在 LLM 眼里是几个文本碎片，大小、量纲、排序信息并不天然保留；表格模型对每一列做归一化和列级注意力，数字就是数字。二是列对齐：LLM 靠文本位置猜哪列是特征、哪列是标签，表格模型有明确的列结构。三是输出形式：LLM 给的是“读起来合理”的话，表格模型给的是概率分布，能直接算阈值、AUC 这些评估指标。此外，几千行 CSV 塞进 LLM 上下文很容易爆掉，表格基础模型能吃下大得多的表格上下文（具体上限以官方页面为准）。
LLM 并非没用：让它写特征、处理描述性文本字段、把预测结果翻译成人话，两者配合效果更好。
谁该用它
推荐场景：样本量在几百到几万行、特征列多、想快速拿到一个靠谱 baseline 的问题——信贷准入与额度、保险定价、营销响应预测、设备故障预警、医疗表格数据、A/B 实验分析。尤其是数据敏感、不方便上传第三方、又缺调参人力的团队。
别硬用的场景：百万行以上的超大规模数据（GBDT 和深度模型往往仍然能打）、监管要求可逐条解释的评分卡（逻辑回归加规则仍是主流，可用 SHAP 辅助）、以及图像文本音频任务。
对普通职场人的意义在于：以后做一张 Excel 表的预测，可能不需要学 Python 调参，在 BI 工具或表格插件里就能调一个表格基础模型。这类模型迭代很快，具体支持的任务类型、上下文长度和商用许可，以官方页面为准。