清華與穩準智能發布結構化資料模型 LimiX-2，參數達 400M 並登頂三大國際評測

9月16日，穩準智能聯合清華大學計算機系崔鵬教授團隊發布新一代結構化資料基礎模型 LimiX-2，參數規模擴大至 400M。在 TabArena、BCCO、TALENT 三個國際主流結構化資料 Benchmark 中，LimiX-2 總體 Elo 分數分別達到 1935、1432 和 1506，均位居榜單第一，超過 Google、SAP、Amazon 等同類模型；其中在 TabArena 的迴歸、二分類、多分類 Elo 均為最優。 本次升級提出上下文機制網路（CMNs），將建模重點從「目標預測」轉向「結構發現」，關注變數間的相互關聯與內在結構。模型透過上下文條件遮罩建模（CCMM）組織跨變數監督，並採用單元格級（Cell-Level）建模，保留列身分、具體取值與缺失狀態，支援跨變數與跨樣本的資訊交互。在預訓練階段，LimiX-2 升級了自動化合成資料生成引擎，可生成線性、非線性、多變數交互、週期變化和雜訊擾動等不同分佈的資料。 在因果發現能力上，LimiX-2 在 Sachs、UF、Causal Chamber 等多個公開標準資料集上領先傳統方法。上一代 LimiX 已完成 800 餘個結構化資料場景驗證，應用於製程參數最佳化、設備故障預測、電力預測、能耗最佳化和材料科學等方向。目前 LimiX-2 的技術報告已發布，模型權重與程式碼已於 GitHub、Hugging Face 及 ModelScope 平台開源。