# 大模型为什么搞不定表格预测？这篇论文排除了四个假说，问题出在数据维度上

> 原标题：Why Large Language Models Fail at Tabular Prediction

- 来源：Hacker News 首页
- 发布时间：2026-08-04T10:07:06.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48637
- 原文：https://arxiv.org/abs/2608.02412

## 摘要

Marta Garnelo 和 Wojciech Czarnecki 把一个大模型放在最“裸”的推理模式下跑表格预测——不给工具、不微调、一次生成出结果，然后系统排查了五种常见解释。他们先排除了四个：数据有噪声、CSV 格式太乱、数字被切碎成 token、以及每次提问塞的测试样本太多，这些都不是主因。真正要命的是维度。

## 推荐理由

两位作者把大模型置于无工具、不微调的裸推理模式下跑表格预测，逐一排查五种常见解释，最终将失败原因指向数据维度。

## 锐评

列一多模型就懵，这个结论我信，而且它比任何 benchmark 分数都实用。做 agent 接数据库的都知道，宽表扔进去，模型就开始一本正经地胡说，加 few-shot、洗 CSV、换分隔符全白搭。这篇的价值在于把四个常见借口一次性排掉，省得大家继续在格式和分词上折腾。它没给工具也没开源，所以别指望直接提效，但至少告诉你瓶颈在列数上，该做的是先选列、降维，别硬喂整张表。
