表格深度學習

深度分析

LoMETab：以低秩恆等殘差擴展 rank‑1 的表格隱式集成

表格資料領域競爭趨於密集，本文提出LoMETab，採用共享權重加上身份殘差的低秩Hadamard乘性調變。可調的adapter秩與初始化尺度能控制成員間的預測差異，並在多項基準維持競爭力。同時在分類的argmax不一致度與回歸的模糊度指標上觀察到對應效應，提示可作為實務上調整集成多樣性的工具。