表格基础模型可以学习关联规则

研究者提出模型无关的关联规则学习框架 TabProbe，将表格基础模型（TFM）用作条件概率估计器，无需频繁项集挖掘即可开箱提取关联规则。在多种规模的表格数据集上，该方法按标准 ARM 规则质量指标和下游分类性能评估，均生成简洁、高质量且预测性强的规则，并在低数据场景下无需任务特定训练仍保持稳健。代码已开源，扩展版发表于 TMLR。