先驗適配網路

深度分析

CRUMB：以 MMD 最小化批次檢索提升先驗適配網路（PFN）推論效能

先驗適配網路在大型表格資料上受限於注意力成本，CRUMB 透過測試查詢聚類與最小化 MMD 的訓練子集選取，將上下文縮減至數十筆，同時保留預測精度，於 TabArena 基準測試中超越均勻抽樣與 MICP，且對共變漂移具韌性。此方法不需重新訓練模型，具備架構無關性，並能在測試端動態調整上下文規模，為大型表格 AI 應用提供更實用的推論方案。