迈向结构化数据的通用建模：基础、前沿与应用

简介

以表格数据、时间序列和图数据为代表的结构化数据支撑着许多核心的数据挖掘应用，包括推荐系统、预测分析和用户行为分析等。传统方法虽然已经取得了不错的效果，但是其往往针对单一任务或单一数据集设计的，缺乏在多样化结构化数据问题之间进行泛化的能力。 近年来基础模型与上下文学习的兴起，正在重塑结构化数据建模的技术路径：从依赖数据集特定训练的范式，转向更加通用、灵活且具备跨任务泛化能力的推理范式。近期涌现的结构化数据基础模型表明，通过大规模预训练以及基于 ICL 的推理机制，可以将基础模型的核心思想有效扩展至结构化数据领域，从而支持零样本推理及跨场景知识迁移等能力。此方向为结构化数据建模提供了全新视角。

简介为官网原文，部分内容可能未写完。