arXiv：TabICL 免训练图节点分类保形预测研究

arXiv 刊出 Nguyen Duy Long 等作者的论文，首次对表格基础模型免训练图节点分类做保形可靠性分析：以 TabICL 为模型、每个图一半节点作标注上下文，冻结的上下文预测器使分裂保形预测在有限样本下精确有效，无需在目标图上训练、设验证集或调参。十个图上的审计显示，TabICL 后验平均 ECE 为 0.019，比带温度缩放的 GCN（0.029）低约 35%。 作者提出免训练扩散分数 HG-DAPS：在六个同质性图上，平均预测集大小比 APS 缩小 5.8% 至 17.1%；在四个异质性图上变化不足 1%。边际覆盖率维持在名义值 0.90，作者称这一水平掩盖了上述集大小差异。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。