TabPFN 特征刷新 ADBench 异常检测纪录

2026 年 10 月 6 日报道，研究者尝试把先验数据拟合网络（PFN）的表征用于表格异常检测。做法分两步：先用冻结的 TabPFN 特征做最近邻距离打分，并确定最适合异常检测的层；再用参考集微调，让特征更好地区分正常与异常样本。在 ADBench 基准上，免微调的方法 ZEN 其平均 AUROC 超过所有基线，加入微调的版本 FOCUS 在此基础上进一步提升，且该思路可泛化到不同的 PFN 模型。报道未给出具体 AUROC 数值、对比基线清单或实验设置细节，目前公开信息仅止于上述方法与基准结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。