arXiv 2026年10月6日该研究在统一的预序（先测后训）协议下，对表格基础模型（TFM）与流式学习器、流式 AutoML 在真实与合成数据流上做了系统对比，发现 TFM 预测精度最高、漂移后恢复更快、标签延迟下仍最准，但服务成本高出一个数量级以上；内存大小与骨干质量比内存管理策略更关键，而重复编码上下文是主要开销，用紧凑因果模型缓存已编码上下文可在精度接近的前提下让成本随内存近似恒定。该研究在统一的预序（先测后训）协议下，对表格基础模型（TFM）与流式学习器、流式 AutoML 在真实与合成数据流上做了系统对比，发现 TFM 预测精度最高、漂移后恢复更快、标签延迟下仍最准，但服务成本高出一个数量级以上；内存大小与骨干质量比内存管理策略更关键，而重复编码上下文是主要开销，用紧凑因果模型缓存已编码上下文可在精度接近的前提下让成本随内存近似恒定。系统评测流式表格基础模型：TabFM+FIFO 在九个流上几乎全面领先，但服务延迟高出最快集成一个数量级以上该研究在统一的预序（先测后训）协议下，对表格基础模型（TFM）与流式学习器、流式 AutoML 在真实与合成数据流上做了系统对比，发现 TFM 预测精度最高、漂移后恢复更快、标签延迟下仍最准，但服务成本高出一个数量级以上；内存大小与骨干质量比内存管理策略更关键，而重复编码上下文是主要开销，用紧凑因果模型缓存已编码上下文可在精度接近的前提下让成本随内存近似恒定。该研究在统一的预序（先测后训）协议下，对表格基础模型（TFM）与流式学习器、流式 AutoML 在真实与合成数据流上做了系统对比，发现 TFM 预测精度最高、漂移后恢复更快、标签延迟下仍最准，但服务成本高出一个数量级以上；内存大小与骨干质量比内存管理策略更关键，而重复编码上下文是主要开销，用紧凑因果模型缓存已编码上下文可在精度接近的前提下让成本随内存近似恒定。