零样本模型能击败XGBoost和LightGBM吗？一份可复现的基准测试，把这个问题摆到了台面上。

打开网易新闻 查看精彩图片

测试覆盖三个UCI数据集。结果显示，冻结的表格基础模型TabPFN和Mitra，在每一项主要指标上都略胜调优后的XGBoost和LightGBM。

注意"略胜"这个词。不是碾压，是微弱领先。而且结论有两个前提：特征工程依然重要；单次划分的结果，不足以证明存在一个通吃的赢家。

换句话说，零样本不等于零准备。模型冻结了，数据侧的功夫没冻结。特征怎么构造，仍然影响最终表现。

至于"谁更强"这个问题，一次单划分的基准给不出定论。想拿这份结果去替换生产环境里的梯度提升树，先在自己的数据上复现一遍再说。