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
这是 TabPFN v2 在 small-data prediction 上形成领域转折的正式论文，也是 synthetic prior + one-forward inference 叙事的基准入口。
LEARNED OBJECT
它真正学习或预测的对象
从 synthetic dataset prior 中学得的 posterior-predictive-style tabular prediction algorithm，给定训练 rows 后直接预测 query rows。
P11 USE
P11 可以从这里拿走什么
固定术语、small-data 范围、synthetic prior 与 posterior predictive 接口，并作为所有后续 TabPFN 版本的历史锚点。
EVIDENCE BOUNDARY
不要从这篇论文多推一步
posterior predictive 类比和 synthetic SCM prior 不意味着真实表的 causal mechanism 被恢复；论文也明确存在行数与特征数范围。
READING PATH
建议阅读路径
- 先读主图与方法概览，明确 context/query 接口。
- 再看 synthetic prior、benchmark 选择与输入限制。
- 最后记录 posterior predictive 语言与实际 neural predictor 的边界。
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。