🔥 论文 SOTA 很漂亮，自己复现却跑不出来？关系型学习（在多张关联表上直接做预测）就卡在这坑里。

Prior Labs 开源了三件套：RelArena-α 评测框架、TabPFN-Rel 预测器和面向落地的 RPI 接口，把各写各的评测统一成同一套加载与调参规则。

病灶很直白：有的只放 checkpoint 不放训练脚本，有的调参空间上万种却不说怎么选；换一种评测时间切分，同一个模型 ROC AUC 能差十几个点。RelArena-α 于是把提交分成统一调参的 model 和自定义调参的 system 两类。

结果反直觉：TabPFN-Rel 把多表拍平成一张宽表再交给表格模型，却在 model 类里压过了专门设计的图神经网络；不用任何特征的常数预测器也在四个任务上赢过 RelGNN 和 RelGT。

启发很直接：不少性能差距来自调参和评测细节，不是模型本身。做数据库预测可以尝试先用特征合成加表格模型跑条基线。

关注结构化数据建模的同学值得读一遍。

📚 论文地址：https://arxiv.org/pdf/2608.16319
🧑‍💻 代码地址：https://github.com/PriorLabs/relarena

#人工智能 #论文 #深度学习 #科研