超越 LLM：面向表格、时间序列与结构化数据的基础模型正在兴起

文章指出“基础模型”此前几乎等同于大语言模型，如今同一套预训练思路正被推向表格数据、预测、事件流和图等结构化数据领域。文中列举 TabPFN、TabFM 尝试跨表格数据集泛化，TimesFM、Chromos、Moirai、TimeGPT、Tiny Time Mixers 面向时间序列。作者认为关键不在于命名，而在于这些模型能否让机器学习系统构建得更快更简单；这并不意味着 LLM 时代结束，而是基础模型理念在扩散。

AI推荐理由 文章梳理了基础模型从 LLM 向表格、时间序列、图等结构化数据扩展的趋势，并点名 TabPFN、TabFM、TimesFM、Chromos、Moirai、TimeGPT、Tiny Time Mixers 等具体模型，对判断非语言基础模型方向有参考价值。但正文片段在关键处截断，未给出性能对比或落地证据，属于趋势综述而非可验证的新结果，故质量分受限。