热点事件持续更新
RelICL：免训练关系学习新方法
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 分类发布一篇论文，提出 RelICL——一种免训练的关系学习方法。该方法针对深度特征合成（DFS）的两大问题：特征爆炸与交互盲区，采用沿 schema 图逐步传播并融合信息的策略，并复用最终用于预测的同一表格基础模型。在 RelBench 任务上，RelICL 与最强的 DFS 方法表现相当。目前该工作仅以预印本形式公开，尚无后续进展报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
arXiv 发布 RelICL 论文，提出免训练关系学习方法，在 RelBench 上与最强 DFS 方法表现相当。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）RelICL：用表格基础模型实现免训练的关系学习
RelICL 是一种免训练的关系学习方法，通过沿 schema 图逐步传播并融合信息，缓解深度特征合成（DFS）的特征爆炸与交互盲区两大问题，且复用最终用于预测的同一表格基础模型。在 RelBench 任务上，RelICL 与最强的 DFS 方法表现相当。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。