研究发现表格基础模型（TFM）实为"浅层"架构，可移除96%的Transformer块

研究者提出一种闭式、无标签的仿射转换器，可替换表格基础模型（TFM）中最多96%的连续Transformer块。在171个分类数据集上评估8个前沿TFM后发现，替换一半块的中位AUROC损失最多仅0.002，半深TabFM仍优于所有全深TFM和调优GBDT。移除深度最多可省1.5B参数，GPU推理提速最高6倍，单块TabPFN-3缓存查询提速2.4倍且内存减少6倍。