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

在相同预序协议下，TFM 取得最高预测性能：TabFM+FIFO 在除 abrupt 漂移流之外的每个流上精度排名第一，平均精度 .869、平均排名 1.11，而 Drift-Resilient TabPFN 在 abrupt 漂移流上略优。 此前 DualFIFO 与 CURE 的评测未跨漂移类型比较，也未把服务成本与经典学习器并列；该研究在同一协议、同一内存预算下把骨干、内存策略、漂移类型与成本放在一起对照。 九个流（五个真实、四个合成，覆盖 abrupt、gradual、incremental、recurring 漂移）上的逐流精度表，以及配对逐流精度的 Wilcoxon–Holm 检验；作者指出流数少，检验未把领先的 in-context 方法分开，因此强调描述性排名。

内存大小对预测性能的影响明显大于内存管理策略：在同一骨干上把 CURE 或 DualFIFO 换成 FIFO，各预算下精度变化很小而服务成本下降；增大内存预算带来更明显的精度提升，但延迟也随之上升，且 abrupt 漂移流的最佳表现出现在最大预算之下。 既有工作把改进重点放在更精细的内存管理（类平衡长期存储、冗余行淘汰），该研究用受控的单变量扫描表明这些策略的边际收益有限，调内存大小更划算。 在 noaa 与 agr_a 上对 TabICL v2 与 TabPFN v1 分别比较 FIFO 与 CURE/DualFIFO 的精度与每实例毫秒数，并扫描 100、250、500、1000 行预算。

标签延迟下 TFM 仍保持最高平均性能，但优势来自起点更高而非退化更慢；CURE 仅在智能电表流上随延迟增大而超过同骨干 FIFO，并在最长延迟处超过 TabFM+FIFO。 此前 TFM 流式方法假设标签即时到达，该研究把延迟 0、100、1000 作为独立变量，并区分“起点高”与“退化慢”两种解释。 四个流（noaa、meter、agr_a、tree_r）在三种延迟下的逐流精度表；作者明确说明 CURE 的收益局限于单一流，不主张延迟反馈普遍偏好复杂内存管理。

重复编码上下文是流式 TFM 的主要服务成本：单次调用的固定开销占主导，而该固定项主要来自上下文编码；用带因果数据点轴的紧凑模型缓存已编码行后，时间与 GPU 显存随内存增长保持平坦，而重编码在时间上超线性、在显存上接近二次增长，最大预算下慢至一个数量级。 既有 TFM 骨干在行方向双向注意力，无法增量复用已编码行；该研究把语言模型中的因果注意力与 KV 缓存思路引入紧凑 TFM，作为可移除瓶颈的概念验证。 在 noaa 上拟合的固定开销与每查询成本（TabICL v2 固定 26.1 ms、TabPFN v1 59.4 ms、TabFM 120 ms），以及同一检查点在四个流上缓存与重编码两条服务路径的精度、时间与峰值显存对比；作者说明模型小、缓存未优化，节省远低于理论上限。

该研究面向流式表格分类，适用于数据按到达顺序排列、需要随时预测并在有限内存与时间下适应的场景，例如欺诈与入侵检测、传感器监测与临床决策支持。对实践者而言，可直接采用的结论是：在强骨干上使用 FIFO 并优先调内存大小，在延迟允许时用查询批处理摊薄编码成本；对研究者而言，它把流式 TFM 的效率问题定位为架构问题，并给出缓存复用这一可继续探索的方向。合成流按漂移类型分别配不同生成器，因此只用于描述流条件，不用于直接比较漂移类型之间的难度。

逐流精度差异明显，gradual 与 incremental 流几乎不区分方法，而 recurring 漂移下单一方法内部的波动超过范式之间的差距，因此聚合排名需要与时间维度行为一起读。统计检验因流数少而未把领先的 in-context 方法分开，领先结论目前是描述性的。缓存复用的收益来自作者自行预训练的紧凑模型，现有大型 TFM 是否支持类似复用仍待验证；缓存行可能保留已被淘汰观测的信息，因此缓存与重编码的预测不保证完全一致。标签延迟期间到达的无标签观测未被利用，更大内存与回归等其他表格任务尚未探索。