Generalization Can Emerge in Tabular Foundation Models From a Single Table

这份资料下面的技术细节文章

技术文章属于当前资料，不与 P11 研究项目入口平级。

为什么现在读它

它追问跨表泛化究竟需要多少物理 tables，直接冲击把 table count 当作 pretraining scale 的简单叙事。

它真正学习或预测的对象

从单个真实表通过 task generation 构造的大量 prediction episodes，以及由此出现的跨表预测能力。

P11 可以从这里拿走什么

把 physical table、generated task、episode 与 target selection 分开计数，并审计同源任务泄漏。

建议阅读路径

1. 先区分单个 physical table 与生成出的 tasks/episodes。
2. 再看目标列、subsampling 与 augmentation 如何制造训练多样性。
3. 最后核对测试表独立性与 contamination audit。

已有项目材料

• 当前没有下载到仓库的第三方原文；先使用上方一手链接。