表格基础模型信用风险预测专项综述与实证研究发布

2026年10月26日，Bart Baesens等研究者将一篇新论文提交至arXiv（cs.lg）。该论文是专门针对表格基础模型在信用风险预测领域应用的综述与实证比较研究。 研究对33种分类方法用于违约概率（PD）预测和27种回归方法用于违约损失率（LGD）建模进行了系统评估，共对比了14个PD数据集和7个LGD数据集。 实验结果以TabPFN-3和TabICLv2的表现最佳。该优势在小样本和强类别不平衡场景下最为显著。研究指出，这些模型利用预训练的固定参数，即可直接应用，无需针对下游任务进行超参数优化或参数更新。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。