热点事件持续更新
研究团队提出MotherTree决策树元学习方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月9日，研究团队在arXiv发布论文，提出名为MotherTree的表格Transformer决策树元学习方法。该方法通过在合成先验数据上进行元学习，无需参考树监督即可完成预训练，可在单次前向传播中直接输出硬轴对齐决策树。基准测试结果显示，MotherTree的表现可匹敌递归划分、基于梯度的树学习及表格基础模型蒸馏等现有方法；将其作为初始化器进行任务微调后，在各项基准测试和样本规模下的表现均优于从头训练的梯度学习器。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
研究人员提出MotherTree，通过合成数据元学习单次生成决策树。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 机器学习MotherTree：在合成数据上通过元学习改进决策树训练
研究者提出 MotherTree，这是一种通过在合成先验数据上元学习来诱导决策树的表格 Transformer，可在单次前向传播中直接输出硬轴对齐决策树。MotherTree 无需参考树监督即可预训练，在基准测试中表现可匹敌递归划分、基于梯度的树学习以及表格基础模型蒸馏等方法。将其作为初始化器进行任务微调后，在所有基准和样本规模下均优于从头训练的梯度学习器。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。