表格学习扩容：分布偏移下更多数据未必更好

基于摘要分析。本文研究大规模表格机器学习中，增加训练数据能否持续改善分布偏移下的泛化，并比较 GBDTs、基于 MLP 的模型与表格基础模型的数据扩展行为。作者汇集八个真实世界表格数据集，训练样本量最高约一千万，保留任务的自然分布偏移，并以随机划分评估作为对照。 作者报告，在这些评估设置下，GBDTs 与基于 MLP 的模型呈现大体相似的扩展趋势，增加训练数据和算法改进均能带来收益；表格基础模型的表现则更不一致，较新版本在分布偏移下也能更稳定地受益于更大的上下文。但在自然分布偏移评估中，分布内与分布外性能在较小数据规模时多同步改善，扩大到更大规模后可能分化。 为分析这一现象，作者进行了 MLP 容量扫描，并比较 MLP 与 GBDTs 在调参及早停时所用验证分布的影响；同时区分验证数据用于 MLP 流程中的模型选择，与用于表格基础模型流程中的上下文拟合。作者报告，在较强分布偏移下，使用能够代表评估条件的验证数据选择 MLP，通常可使性能随训练数据增加而维持或改善；将此类样本纳入基础模型上下文虽能改善性能，但在本文实验中不能阻止训练规模增加时的性能下降。 摘要未提供数据集名称、具体任务、模型版本、评价指标及变化幅度；实验协议、消融及统计信息尚未验证，尤其需核对验证数据的来源、可用性及各模型的数据使用方式。本文主要对象是表格学习，不能据此认定其结论已在 EEG 或 BCI 中成立；相关 EEG 工作尚未检索确认。