liaozhaorun 1fa4ff9544 feat(training): TabM 排序模型架构优化与 Rank-Gauss 标签工程 ...

- TabMSetRank: 将 TabM 输出改为隐藏层特征，经 SetRankHead 交互后通过 final_mlp 输出 Ensemble 排序分
- SetRankHead 引入可学习残差缩放因子（Zero-init）与 Pre-Norm 结构，提升训练稳定性
- TabMRankTask 新增 Rank-Gauss 连续标签变换，支持标准分位数/指数增益/Rank-Gauss 三种标签模式
- 修复 NDCG 评估在负值标签下的计算问题
- 调整实验脚本超参数（dropout、hidden dim、weight decay）及排除因子列表
- 迁移废弃的 torch.cuda.amp 到 torch.amp，并将数据预加载至 GPU 减少循环拷贝

2026-04-05 19:01:08 +08:00

..

data

refactor(factors): 简化 add_factor API 并默认启用 metadata

2026-03-12 22:34:25 +08:00

probe_selection

feat(factors): 添加 GTJA alpha 因子并优化计算性能

2026-03-15 22:21:21 +08:00

__init__.py

feat(training): 实现训练模块核心组件（commits 6-9）

2026-03-03 22:57:01 +08:00

common.py

feat(training): 新增 TabM SetRank 模型并支持任务注入

2026-04-05 01:03:17 +08:00

learn_to_rank.ipynb

refactor(experiment): 提取共用配置到 common 模块

2026-03-15 05:46:19 +08:00

learn_to_rank.py

feat(training): TabM 排序模型架构优化与 Rank-Gauss 标签工程

2026-04-05 19:01:08 +08:00

predict.py

refactor(experiment): 重构模型保存机制，支持 processors 持久化

2026-03-19 21:06:11 +08:00

README_TABM_TOPK.md

feat(training): 新增 TabM 排序学习模型支持并优化训练流程

2026-04-04 22:39:58 +08:00

regression.ipynb

refactor(experiment): 提取共用配置到 common 模块

2026-03-15 05:46:19 +08:00

regression.py

feat(training): TabM 排序模型架构优化与 Rank-Gauss 标签工程

2026-04-05 19:01:08 +08:00

tabm_rank_train.py

feat(training): TabM 排序模型架构优化与 Rank-Gauss 标签工程

2026-04-05 19:01:08 +08:00

tabm_regression.py

feat(training): 新增 TabM 排序学习模型支持并优化训练流程

2026-04-04 22:39:58 +08:00

tabm_setrank_train.py

feat(training): TabM 排序模型架构优化与 Rank-Gauss 标签工程

2026-04-05 19:01:08 +08:00

tabpfn_regression.py

feat(training): 新增 TabM 模型支持及数据质量优化

2026-03-31 23:11:21 +08:00