TECHNICAL DETAILS
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。
暂无技术细节文章
以后针对这份资料形成的代码解读、公式拆解或机制实验，都会继续落在本资料页下面。
WHY NOW
为什么现在读它
它把表格基础模型从排行榜拉回实际部署成本，直接测量压缩、显存与性能之间的交换。
LEARNED OBJECT
它真正学习或预测的对象
被压缩的 TabPFN 类 in-context predictor；研究对象是模型表示和部署开销，不是新的表格生成机制。
P11 USE
P11 可以从这里拿走什么
为未来 P11 implementation 预留 memory、latency 与 accuracy 三联表，避免只报告预测指标。
EVIDENCE BOUNDARY
不要从这篇论文多推一步
压缩后的相近性能不证明 P11 的 semantic feature 或 Unit token 设计有效，也不改变模型的预测对象。
READING PATH
建议阅读路径
- 先看压缩方法与基线模型，确认比较的是哪个 TabPFN 版本。
- 再看显存、速度和性能表，区分相对倍数与绝对资源。
- 最后检查 workshop 范围、硬件条件与未覆盖的数据规模。
P11 INTERNAL MATERIAL
已有项目材料
暂无独立 P11 解读页
- 当前没有下载到仓库的第三方原文；先使用上方一手链接。
MY READING NOTE
我的浏览器便笺
可以马上写、刷新后继续。它不上传到服务器，也不会自动进入 P11 的 canonical source。
尚未读取到当前浏览器中的已保存草稿。
保存边界：只保存在当前 browser profile + 当前 origin。localhost 与 wehub.us 是两份笔记；换设备、隐私模式或清理网站数据都可能丢失。长期保存请导出 Markdown 并回填到上面的 canonical path。