Can Tabular Foundation Models Amortize Statistical Inference?
表格基础模型能否摊销统计推断成本？AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用置信区间生成系统，治疗效应仅作科学目标示例，未明确聚焦某个计量领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
表格基础模型能否摊销统计推断成本？
- 研究问题
- 能否用预训练的表格基础模型，为新数据集通过一次前向计算生成置信区间，从而减少逐问题设计推断程序的计算负担？
- 方法与思路
- 作者提出 TabCon，结合稀疏混合专家架构与强化学习后训练，将区间校准至目标覆盖水平，并在多类基准数据上评估。
- 材料陈述的贡献
- 摘要称，TabCon 在所测基准中获得接近名义覆盖率的较短区间，且推断速度明显快于使用少量重抽样的经典自助法。
- 阅读关注点
- 应核对训练任务与测试目标的关系、覆盖率是平均还是条件保证，以及区间长度比较、分布迁移和计算时间测量的设置。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明覆盖率的理论保证、训练成本或对新任务泛化的条件。
原文摘要
For decades, statistical inference has largely been developed one problem at a time. Given a scientific target, such as a treatment effect or a regression function, statisticians design a problem-specific estimator together with a procedure for quantifying its uncertainty. This paper proposes a different paradigm. We focus on a classical problem in statistical inference, confidence interval construction, and develop TabCon, an amortized inference system built on a tabular foundation model that produces confidence intervals for new datasets through a simple forward pass. The key methodological ingredients of TabCon are a sparse mixture-of-experts architecture and reinforcement-learning-based post-training that calibrate the resulting confidence intervals to a desired coverage level. Across a wide range of benchmark datasets, TabCon attains near-nominal coverage while producing short confidence intervals. At inference time, it also offers considerably greater computational efficiency, running 50 times faster than the classical bootstrap procedure, even when the latter uses only 50 bootstrap samples.