小米于9月5日正式推出通用表格数据基础大模型Xiaomi-TabLDM，并将其开源。该模型的核心突破在于，通过单一预训练模型和统一默认配置，即可直接适配多种表格数据集，免去传统方法中针对每个任务重新训练、调参或后置集成的繁琐步骤。

在金融、医疗、制造、物流等行业，大量核心数据以表格形式存储，但传统机器学习管线常需为每个新数据集重复建模，带来高昂的部署与维护成本。小米此举旨在将‘一次预训练、跨任务使用’的基础模型范式引入结构化数据领域，降低表格预测任务的门槛。

为实现这一目标，Xiaomi-TabLDM在预训练阶段完全基于结构因果模型（SCM）生成的合成数据，覆盖多样化的数据规模、变量类型和依赖关系，从而拓宽任务分布。在架构设计上，模型引入了双流特征分组、轻量级注意力残差和稀疏混合专家机制，从不同粒度捕捉特征交互，并通过稀疏化策略扩展模型容量。

推理阶段，该模型还探索了Test-Time Scaling策略，即在保持预训练参数不变的前提下，通过增加推理计算量来持续优化预测表现。这一路径为表格大模型在算力与精度间的权衡提供了新思路。

在四大公开基准评测中，Xiaomi-TabLDM均进入第一梯队，尤其在OpenML-CTR23基准上，其回归能力排名第一。该模型已开源，开发者可基于其构建面向特定业务场景的表格预测应用。