一句话看懂：一篇 arXiv 新论文重新评测了 TabPFN 系列等表格基础模型与调优后的 GBDT，发现此前“决定性地胜过树模型”的结论在利润指标和充分调参后明显缩水，但 TabPFN-3.5 在部分电信流失数据集上仍保持优势。
事件核心：发生了什么
2026 年 11 月 11 日挂上 arXiv 的论文（编号 2611.12942）针对电信客户流失场景，比较了 TabPFN-2.5、TabPFN-3.5、TabPFN-3.5-Fast、TabICL v2 与经 Optuna 调参的 GBDT。实验覆盖 5 个公开电信流失数据集、每个数据集 10 次带随机种子的切分。作者用 20 组预先声明的比较并做 Holm 校正，结论是：TabPFN-3.5 在 Cell2Cell 上期望最大利润（EMP）比最优调优 GBDT 高 1.9%，在 Iranian 数据集高 7.6%，且对三个调优 GBDT 分别成立；Orange 上 10 次切分全部领先（+14.3%），但校正后不显著（Holm p=0.155）。此前基准的领先者 TabICL v2 只在 Iranian 上胜过最优 GBDT，并在 Orange 上以 7.3% 基率低估流失 2.1 个百分点。
为什么重要
表格基础模型常被宣传为“一次前向即可预测”，但论文指出，早期基准用的是未调优的树模型，且只看排序指标，而留存活动的真正评判标准是钱。重新调参后，此前 6.1 个百分点的 PR-AUC 差距缩到 4.0 个点，仍未完全消除。这提醒从业者：新模型类别的优势需要放在同等调参预算、利润口径和校准能力下审视。目前公开信息显示，这些结论仅针对上述数据集和切分，作者也明确说明切分来自同一批数据集重采样，不能代表独立运营商。
对用户/开发者/创作者的影响
对做流失预测、风控或营销排序的开发者，选型不能只看论文里的排名指标，应同时评估概率校准和阈值策略能否直接落地。对准备采购或集成 TabPFN 的团队，更实际的障碍是许可：作者称所用 TabPFN-3.5 权重采用 License v1.0，这一授权限制而非打分成本，才是其收益走向生产的主要阻碍。对 GBDT 使用者而言，结论也提示充分调参与重复切分验证仍是必要的基线动作。
值得关注的后续
一是 TabPFN-3.5 权重许可是否放宽，决定其能否进入商业部署；二是作者提到更大调参预算和去重切分未改变主结论，后续是否会在独立运营商数据上复现；三是利润导向评测是否会成为表格模型基准的新惯例。
来源：arXiv cs.AI
