Tabular 指以行列结构组织的表格数据，在机器学习中与图像、文本并列为核心数据形态，相关研究常被称为表格深度学习或表格基础模型。该领域长期由梯度提升树主导，近期生成式方法开始进入，隐私问题也随之受到关注。
Tabular 近期进展
当前焦点与观察点
目前围绕 Tabular 的讨论集中在三点：一是扩散、Transformer 等生成式架构能否在表格任务上稳定超越传统树模型，业界尚无一致结论；二是合成数据与隐私之间的张力——生成表格数据的初衷是降低真实数据暴露风险，但模型注意力层本身也可能成为泄露通道，两个方向的研究正在互相校验；三是医疗等高敏感场景的落地效果，以及表格基础模型能否形成统一的评测基准。这些问题的进展，将决定 Tabular 相关研究从论文走向实际应用的节奏。