2M大小模型定义表格理解极限，清华大学崔鹏团队开源LimiX-2M（

1.2×2模型

提到 AI 的突破，人们首先想到的往往是大语言模型（LLM）：写代码、生成文本、甚至推理多模态内容，几乎重塑了通用智能的边界但在一个看似 “简单” 的领域 —— 结构化表格数据上，这些强大的模型却频频失手。

2.模型2u

电网调度、用户建模、通信日志…… 现实世界中大量关键系统的核心数据都以表格形式存在然而，无论是直接微调 LLM，还是采用专门为表格设计的深度架构（如 TabNet、SAINT、FT-Transformer），其性能在多数真实场景下仍难以超越 XGBoost、CatBoost 等传统梯度提升方法。

3.2*2模型

这引出一个尖锐的问题：为什么在非结构化数据上所向披靡的现代深度学习，在结构化数据建模中却长期陷入瓶颈？直指这个核心问题，清华大学崔鹏团队做出了他们的回应 ——LimiX不同于其他模型只能进行一种下游任务，LimiX-2M 在同时支持分类、回归、缺失值插补等任务的前提下，以仅有 2M 的模型参数超越了包括 XGBoost、CatBoost 在内的经典模型，并在与