先分 classification / regression
All Tasks 会把不同预测对象聚合。binary、multiclass 与 regression 的相对强弱可能相反。
01 · LIVE ARENA
把实时榜单当作观测仪器，而不是冠军证书
TabArena 是面向 IID tabular prediction 的 living benchmark。它把可验证的开源实现放进统一的 validation、HPO、cross-validation、ensembling、refit、时间与硬件记录中；不同页面设置会给出不同的排名问题。
TabArena IID · 官方 leaderboard
用户给出的 TabArena Spaces 地址 ↗ 当前落在组织的 Spaces 列表；真正的 live leaderboard 是下面这个 Space。
51curated datasets；官方页面说明由 1,053 个候选中筛选
36+live Space 当前展示的模型规模；会继续变化
5当前可切换的 task views：all、classification、regression、binary、multiclass
先固定问题：task × dataset size × repeat policy × imputation × model pipeline × budget。没有这六项，单独转述一个 Elo 或名次没有可复核含义。
02 · DATED CORE-MODEL SNAPSHOT
这是一张研究快照，不是永久排名
下表只摘录 P11 当前关心的模型，便于从榜单回到逐篇资料。它不代表全部参赛模型，也不把相似名称下的不同版本强行视为同一个模型。
快照时间：2026-07-31 · 视图：All Tasks · All Datasets · all repeats · with imputation · 排序指标：overall Elo
| # | 模型 | 榜单 pipeline | Overall Elo | 覆盖提示 | P11 资料 |
|---|---|---|---|---|---|
| 01 | TabFM | default | 1765 | live readback | 资料页 → |
| 02 | TabPFN-3 | default | 1641 | live readback | 资料页 → |
| 03 | TabPFN-2.6 | default | 1593 | 资料页对应 2.5；版本不可强配 | 2.5 资料 → |
| 04 | RealTabPFN-2.5 | tuned + ensembled | 1573 | pipeline 不同于 default | 资料页 → |
| 05 | TabICLv2 | default | 1570 | live readback | 资料页 → |
| 06 | TabDPT | tuned + ensembled | 1437 | pipeline 不同于 default | 资料页 → |
| 07 | LimiX | default | 1344 | live readback | 资料页 → |
| 08 | Mitra | default | 1312 | 部分 imputed | 资料页 → |
| 09 | TabICL | default | 1307 | 部分 imputed | 资料页 → |
| 10 | TabSTAR | tuned | 1088 | pipeline 不同于 default | 资料页 → |
“部分 imputed”表示该模型未在全部数据集完成真实运行，榜单以默认 RandomForest 结果补齐缺口并施加覆盖惩罚。请在实时榜单切换 Include imputed models 核对影响。
03 · HOW TO READ THE BOARD
一次只改变一个问题，才知道排名为什么动
TabArena 最有价值的不是给出单一榜首，而是把容易被论文摘要隐藏的 protocol 变量显式化。下面六个镜头是 P11 每次比较模型时的最低读榜合同。
再切 small / medium
表格 FM 往往在小数据预算更占优；总体榜不能替代按规模读取，也不覆盖所有 large-table regime。
default 不等于 tuned + ensembled
模型结构、HPO 与 cross-model／cross-fold ensemble 是不同对象；必须把 pipeline 一起写进结论。
看 verified 与 imputed %
没有跑完全部数据集的模型会触发补值。补齐后的 Elo 适合导航，不等于全覆盖的直接实测。
Elo、score 与 rank 回答不同问题
同时检查 average rank、harmonic rank、win-rate matrix 与 improvability，避免只追逐一个聚合数。
把时间、硬件与预算带回来
训练／预测时间和硬件条件是结果的一部分。准确率相近时，部署成本可能改变实际选择。
04 · P11 WATCHLIST
从竞技场回到模型资料，而不是停在名次
这些链接进入 P11 的单篇资料页：先确认论文与代码版本，再看 learned object、证据边界、阅读路径和已有技术拆解。
TabFMsynthetic prior、Fourier value features、feature grouping→
TabPFN-3当前 TabPFN 前沿版本与上下文预测对象→
TabPFN-2.5注意与榜单 TabPFN-2.6 的版本差异→
RealTabPFN真实表继续预训练、curation 与 contamination→
TabICLv2表格 in-context learner 的新版本→
TabDPT早期预训练表格 Transformer 基线→
LimiXjoint distribution、CCMM 与 P11 antecedent reader→
Mitramixed-type relational attention 与 incomplete coverage→
TabICL上下文学习架构与部分补值边界→
TabSTAR语义列信息与 supervised tuning 比较→
05 · BEYOND IID
TabArena IID 是起点，不是表格世界的全集
官方生态已经把视野扩展到 BeyondArena、RamanBench、time-series 与自定义 benchmark。P11 需要先声明 deployment regime，再决定哪个榜单具有外部效度。
标准 IID tabular prediction
适合比较统一 pipeline 下的经典 ML、深度模型和 TFMs，也是本页快照的来源。
IID、temporal、grouped 与规模扩张
官方代码说明该基准覆盖 142 个数据集，并计划逐步取代 v0.1 IID 范围。不要用旧范围回答新 regime。
把 dataset 变成 protocol object
回到 corpus、task compiler、split、HPO 与 contamination，判断一个排名到底支持哪层 claim。
06 · EVIDENCE BOUNDARY
排行榜能缩短选基线的时间，不能替我们做科学推断
不要从这张榜多推一步
- 某个视图的第一名 ≠ universally best model。 排名依赖数据集集合、task、预算、validation、tuning、ensemble、imputation、指标与版本。
- IID tabular accuracy ≠ temporal、grouped、distribution-shift 或 high-dimensional robustness。 这些需要对应 regime 的证据。
- 预测性能 ≠ semantic grounding、causal understanding 或 Unit abduction。 TabArena 没有替 P11 验证这些 learned-object claims。
- 开源 verified implementation ≠ 我们已经独立复现。 本页是研究导航与 dated readback，不是新的 benchmark run。
- snapshot ≠ live truth。 当本页与官方 Space 冲突时，以官方实时状态为准，并重新记录日期与模式。
07 · PRIMARY MATERIALS
官方来源与 P11 的资料分工
Hugging Face Space
动态模型、数据集、过滤器、version history 与指标视图。
TabArena · NeurIPS 2025 Spotlight
理解 curation、validation、HPO、ensembling 与结论边界。
AutoGluon / TabArena
统一训练评测代码、数据处理与 BeyondArena 的当前入口。
TabArena ecosystem
Space、datasets 与组织下的相关公开材料。
TabArena 单篇资料页
论文身份、P11 relevance、evidence boundary、阅读路径与笔记入口。
全部相关材料
按首次公开时间倒序查找 24 篇材料，并进入各自资料与技术文章。
层级约定：P11 项目入口 → Benchmarks 汇总 → TabArena benchmark 子页。参考资料走另一条树：P11 → 参考资料汇总 → TabArena 资料页 → 该资料的技术文章。两棵树互相链接，但不混写职责。