TabPFNとTabICLがチューニング済みXGBoostに対し14/14で勝利との報告
部分的事実
表形式データ向け新興モデルTabPFNおよびTabICLが、ハイパーパラメータを調整したXGBoostとの比較で14データセットすべてに勝利したとの結果が、arXiv上の研究論文で示された。ただし全容は論文の実験条件に依存するため、一部のみが確認可能な内容とされている。
TabPFN and TabICL vs. tuned XGBoost: the model that doesn't train won 14/14
訓練をほぼ必要としないモデルの優位
論文は、事前学習済みのTransformer系モデルTabPFNとTabICLを、チューニングを施したXGBoostと比較し、計14件のデータセットでいずれも上回る成績を報告している。これらのモデルは新しいタスクに対して勾配降下法による訓練をほぼ行わず、文脈内学習の枠組みで推論を実行する点が特徴とされる。
留保点
評価の詳細な設定、データセットの選定基準、チューニングの範囲については論文中の記述に依存する。一般に表形式データでは勾配ブースティング系の手法が強い基底線とされており、結果がどの程度の条件範囲で再現可能かは今後の追試に委ねられる部分がある。
本件の主張は、実験条件に依存する部分を残したまま、一部のみが裏付けられた「部分的事実」と評価される。
Verdict: 部分的事実
Sources — primary documents (3)
