Ep2 | AI 都會寫程式了，為什麼表格預測還輸給 XGBoost？ | Prior Labs 共同創辦人 Frank Hutter × Machine Learning Street Talk

AI 都會寫程式了，可是在 Excel 那種中小型表格上，深度學習十年來幾乎一直輸給 XGBoost 這類樹模型。 為什麼？這集用一張鐵達尼號乘客表貫穿全片：表格資料為什麼難、傳統做法為什麼每張表都要重新訓練和調參，再拆解 Prior Labs 共同創辦人 Frank Hutter 在 Machine Learning Street Talk 分享的 TabPFN：先讓模型練上億張程式造出來的假表格，它就學會了「看到一張新表格，直接預測」這件事本身，跟大型語言模型的 in-context learning 是同一個想法。 影片中也拿公開的鐵達尼號 dataset 實際跑了一次 XGBoost 和 TabPFN，將預測結果呈現給你看。 章節 0:00 開場 0:52 表格資料是什麼 1:29 傳統做法：每張表都從零開始 2:14 深度學習為什麼卡關 5:04 上億張假表格 7:47 看一眼就預測 8:22 實際跑一次 10:00 從 PFN 到 TabPFN-3 10:47 跟 ChatGPT 是同一招 13:28 重點整理 原始訪談 • Frank Hutter (Prior Labs) · Machine Learning Street Talk, Sep 2026 —    • The AI That Replaces Hours of Model Tuning...   論文 • Transformers Can Do Bayesian Inference · Müller et al. · ICLR 2022 — https://arxiv.org/abs/2112.10510 • TabPFN: A Transformer That Solves Small Tabular Classification Problems in a Second · Hollmann et al. · ICLR 2023 — https://arxiv.org/abs/2207.01848 • Accurate predictions on small data with a tabular foundation model · Hollmann et al. · Nature 2025 · CC BY 4.0 — https://www.nature.com/articles/s4158... • Why do tree-based models still outperform deep learning on typical tabular data? · Grinsztajn et al. · NeurIPS Datasets and Benchmarks 2022 — https://arxiv.org/abs/2207.08815 • TabPFN-3: Technical Report · Grinsztajn et al. · arXiv 2026 — https://arxiv.org/abs/2605.13986 註：講者 Frank Hutter 是 Prior Labs 共同創辦人；片中 TabPFN 的表現數字來自 Prior Labs 團隊自己的論文與技術報告，而鐵達尼號示範部份是我們自己跑的（OpenML titanic 資料集；XGBoost 對照 TabPFN v2，CPU）。 旁白為我們自己的講解與翻譯；原片段僅作評論與教育用途，版權歸原作者所有：Frank Hutter (Prior Labs) · Machine Learning Street Talk, Sep 2026。