北京
大语言模型能写诗、能编程，但一进工厂车间就犯难。高维结构化数据没法被塞进文本世界，硬转写就会丢信息。清华大学崔鹏教授团队与稳准智能给出的答案，是干脆绕开这条路——他们发布的结构化数据基础模型 LimiX-2，在 TabArena、TALENT 和 BCCO 等国际基准测试的分类与回归任务中均位列第一。
LLM 和 LDM 不在同一个信息空间里
两者的差别不在参数规模，而在维度。LLM 处理的是经过人类抽象和语义化的文本世界，LDM 则直接进入高维数据空间，学习变量之间的稳定关系。
把生产数据转写成文本，中间必然有损耗。LimiX-2 选择不转写，从变量关系本身出发理解规律。用团队的话说，LLM 主要学习人类已经表达出来的世界，LDM 更希望直接进入真实世界留下的高维数据空间。
从预测 Y 到建模所有变量
TabPFN 等路线的核心是预测 Y，一切围绕目标变量展开。LimiX-2 走的是另一条路：引入上下文机制网络（CMNs），把变量间的联合依赖结构本身当作学习对象。
这意味着模型理解的是数据生成机制，而不只是表面相关性。结构化数据建模由此从以目标变量为中心的预测问题，推进为面向全变量联合依赖和数据生成机制的关系建模问题。
配套的技术是上下文条件掩码建模（CCMM）。通过不断遮蔽和预测不同变量，模型被强制学习变量间的条件依赖，再配合大规模合成数据引擎，提升在复杂分布下的鲁棒性。
这套组合的效果体现在榜单上：
- TabArena 分类与回归任务，Elo 评分均位居第一
- TALENT、BCCO 等国际主流基准测试，同样位列第一
- Sachs 等因果发现数据集上，表现超越传统方法
因果发现任务上的表现，是这条技术路线有效性的一个侧面验证。预测得准和理解了机制，是两件事。
第一不是终点
团队对成绩的表述相当克制：真正重要的，从来不是拿下一次第一，而是每到关键节点，都有能力重新回到第一。
这句话指向的目标更大——让大模型从理解人类已经表达出来的知识，进一步走向理解世界运行本身。谷歌、亚马逊等巨头正在 AGI 方向上激战，而这条从结构化数据切入的路径，提供的是另一种进入方式。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
