MambaPFN：预训练即用的非线性变量选择方法
热点事件持续更新
MambaPFN：预训练即用的非线性变量选择方法
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究者 Jin Zhu 与 Junxian Zhu 提出 MambaPFN，一种基于 Transformer 与先验数据拟合网络的模型无关非线性变量选择方法，预训练后无需参数更新即可用于新数据集。 该方法通过生成预训练数据、以每个变量的后验纳入概率作为目标函数并改造 Transformer 架构实现，作者称其呈现规模定律。在 Facebook 评论数据集上，它选出的变量最少，预测性能比最佳基线提升约 20%。
AI 根据报道生成 · 4 小时前更新
最新进展11月4日 13:00
MambaPFN：基于先验数据拟合网络的非线性变量选择方法报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AIMambaPFN：基于先验数据拟合网络的非线性变量选择方法
研究者提出 MambaPFN，一种基于 Transformer 的模型无关非线性变量选择方法，预训练后无需参数更新即可用于新数据集。它通过生成预训练数据、针对每个变量后验纳入概率的目标函数和改造后的 Transformer 架构实现，并呈现规模定律。在 Facebook 评论数据集上，它选出的变量最少，预测性能比最佳基线提升约 20%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。