[2026年7月6日提交（v1），最后修订于2026年7月23日（此版本，v2）]

查看 PDF HTML（实验性）

摘要：在存储异构表格信息的关系数据库（RDB）中，如何预测目标列中缺失（或未来）值？由于企业环境中潜在目标的空间非常广阔，因此最好避免每次出现新的预测任务时都从头学习一个新模型。基于 RDB 专用编码器的冻结基础模型提供了一种可行的解决方案，但理想设计仍是一个悬而未决的问题。一方面，最近有研究认为，某些无参数子图编码器结合单表基础模型可以实现接近 SOTA 的性能，且无需进行 RDB 特定的预训练。同时，其他当代研究则主张使用参数化编码器，通过利用可观测标签进行预训练来学习任务特定表征。为了解决这一模糊性，我们专门分析了当标签作为输入时 RDB 编码器的特性，证明了可训练编码器参数的潜在有效性存在局限。作为实证验证，我们证明了相当简单的无参数编码器仍然能够在许多相关的基准任务中实现强性能。

提交历史

来自：Linjie Xu [查看电子邮件]
[v1] 2026年7月6日（周一）10:25:54 UTC (303 KB)
[v2] 2026年7月23日（周四）10:34:48 UTC (303 KB)