新聚类模型TabClustPFN：一键推断表格分组与簇数概率

面对没有标签的表格，要从中区分不同群体并确定分组数量，传统聚类方法往往需要反复调整参数、多次迭代计算，过程繁琐且耗时。为此，中国人民大学、罗格斯大学、新加坡国立大学和MBZUAI的研究团队提出TabClustPFN模型，借助预训练后的单次前向推断，大幅缩短从数据到分组结果的流程。

不同于传统聚类算法需针对新数据重新训练或反复迭代优化，TabClustPFN将核心学习工作提前到预训练阶段：模型先接触大量合成表格数据，学习不同群体的形态、重叠规律以及合理的分组模式。当处理新表格时，模型参数保持固定，仅需一次前向计算即可输出样本归属和分组数量，无需额外针对当前数据进行训练。

该模型的核心优势还在于对分组判断的透明度：它不仅能自动估计分组数量，还会输出不同簇数的概率分布，让使用者直观感知模型判断的明确程度——比如是明显倾向3组，还是在3组和4组之间犹豫。这种不确定性的呈现，帮助使用者进一步分析不同划分的合理性：多分出的组是否具备独特特征，合并后是否会掩盖有意义的数据差异。

在性能表现上，TabClustPFN兼顾速度与分组质量。测试显示，其运行耗时与简单传统方法相当，比其他同类方案更高效，同时保持了较强的聚类效果。在44个真实数据集的评估中，该模型在衡量划分质量的指标上表现优异，自动估计簇数的版本也达到较高水平，簇数估计误差中位数为1，优于多数对比方案。

TabClustPFN的模型架构包含两个核心协作模块：划分推断网络PIN负责在不同候选簇数下预测样本归属，簇数推断网络CIN则汇总划分的结构信息，判断各簇数的可能性。训练过程中，团队引入可微的SoftARI目标函数，避免模型受组名变化干扰，专注于样本分组的正确性。

这项研究已被NeurIPS 2026接收，研究团队公开了代码与预训练权重。该成果为表格聚类提供了更便捷的开箱即用方案，帮助使用者减少反复尝试的时间，更快挖掘数据中的群体规律。