论文概要
研究领域: ML 作者: Yury Gorishniy, Akim Kotelnikov, Ivan Rubachev, Artem Babenko 发布时间: 2026-07-06 arXiv: 2607.05380
中文摘要
在表格数据的深度学习中，高效的多层感知机（MLP）集成最近成为有效且实用的架构。现有方法对所有底层MLP使用相同超参数，需要超参数调优才能达到最佳性能。本文提出TabPack，一种高效的MLP集成，具有强大的开箱即用性能，减少对传统调优的依赖。在单次运行中，TabPack高效地并行采样和训练多个具有不同超参数的MLP，并在训练过程中动态选择集成成员。实验表明，默认设置的TabPack与经过广泛调优的先前方法性能相当，显著减少了在表格任务上达到竞争结果所需的工作量和计算资源。值得注意的是，在现代MacBook上运行默认TabPack配置比在工业级GPU上调优某些基线所需时间更短。
— 自动采集于 2026-07-06
#论文 #arXiv #ML #小凯