速報
BeyondArena：首套全方位表格資料基礎模型基準平台
表格基礎模型評測散見各處，研究團隊推出 BeyondArena 整合多任務與多規模資料集，並以 Data Foundry 框架統一管理。測試結果顯示，現有模型在小型 IID 資料表現佳，卻在非 IID、大規模或高維度情境下仍被傳統樹模型領先，凸顯未來研究方向。
表格基礎模型
深度分析
「運營圖靈測試」揭示表格基礎模型在缺乏規則審核時的不可辨識上限
本研究提出運營圖靈測試，以統計匹配的合法與違規資料庫狀態檢驗表格基礎模型，發現僅憑值分布的模型無法超過隨機猜測，即使提供行級存取亦無效；加入可執行的規則審核可達100%正確率；而大型語言模型即便在提示中給予完整規則，亦只能辨識不到兩筆合法狀態，顯示缺乏運營層面的可執行邏輯是根本瓶頸。
深度分析
CURE：表格基礎模型串流學習的上下文管理與不確定性驅動策略
資料串流面臨分布漂移，傳統模型需即時更新參數；表格基礎模型（TFM）則透過保留標記上下文適應。研究提出Cure策略，以不確定性門控入場與冗餘感知驅逐，同時保留近期與資訊豐富樣本。實驗在七個串流上顯示，Cure最高提升19.59分，且在不同TFM骨幹上均優於傳統方法。
深度分析
WSADBench 實驗：61 個資料集與 36 種演算法下的弱監督異常檢測評測
弱監督異常檢測（WSAD）研究長期分裂為三大方向：標註不完整、標註粗糙與標註有誤。WSADBench 提出第一個跨情境的統一基準，對 36 種演算法、61 個資料集、涵蓋表格、影像、文本與視訊四種模態，在統一流程下執行超過七十萬次實驗。研究揭示：三種弱監督情境間存在強關聯；
深度分析
表格基礎模型層級推理解析：Transformer 架構下的層間動態與循環單層驗證
本文報導一項首度大規模的機制性研究，針對六種最先進的表格型轉換器（Tabular Foundation Models, TFMs）逐層分析推理過程。研究以表徵相似度、分離度、探測分類器與層級干預（跳層、重複、交換）等六類實驗，揭示多數模型在深度方向存在重複與迭代精煉現象，且早期層即可形成可用表徵。
表格基礎模型
表格基礎模型與合成先驗的分布落差：TabICL、T4 與 TabFM 比較
研究比較三類表格預訓練語料：網路爬取、精選資料集與參數化生成的合成表格。以表格與欄位級特徵、判別器AUC與k-NN覆蓋率衡量分布相似性。結果指出合成先驗只覆蓋真實表格狹窄區域，且在超過86000組參數搜尋下仍無法彌合差距；精選與網路語料在特徵空間大致重疊。