Ivan Rubachev, Nikita Lazarev, Artem Babenko · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26794 · open-access PDF
Die jüngste Arbeit im Bereich des Tabellenmaschinenlernens hat die Bedeutung vielfältiger und realistischer Evaluierungseinstellungen hervorgehoben. Die Nische der groß angelegten (1M+) Daten bleibt jedoch noch unterforscht. Um das Skalieren von Schulungsdaten zu untersuchen, haben wir acht Echtzeit-Tabellendaten-Sets mit bis zu zehn Millionen Schulungsbeispielen zusammengestellt, wobei die natürlichen Verteilungsschwankungen der Aufgaben beibehalten und die randomisierte Split-Evaluation als Steuerung verwendet werden. Wir finden, dass GBDTs und MLP-basierte Modelle weitgehend ähnliche Skalierungstrends aufweisen, wobei sowohl zusätzliche Schulungsdaten als auch algorithmische Verbesserungen zugute kommen.
Machine translation (Meta M2M100); the English original follows.
Recent work in tabular machine learning has emphasized the importance of diverse and realistic evaluation settings. The niche of large-scale (1M+) data, however, remains under-explored. To study training-data scaling, we assemble eight real-world tabular datasets with up to around ten million training examples, retaining the natural distribution shifts of the tasks and using random-split evaluation as a control. We find that GBDTs and MLP-based models show broadly similar scaling trends, with gains from both additional training data and algorithmic improvements. Tabular foundation models show
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26794, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange