每来一张新的业务表，团队通常都要重新训练模型、调整参数，像为每道题单独备考。TabICL想换一条路：先在数百万张合成表格上预训练，再面对新表时直接预测，不更新模型参数。这叫零样本预测，核心承诺是缩短每个任务的建模流程。
据 R-bloggers 介绍，TabICL最值得注意的是“两步读表”：先逐列理解数值，再让每一行综合不同列的信息。这样，无论表格有10列还是200列，模型都能整理成固定大小的行表示。随后，带答案的训练行充当上下文——也就是现场示例——模型据此一次性预测测试行。作者还用一份含1万行、约150项特征的信贷风险数据与XGBoost比较；XGBoost是长期常用的表格预测基线。不过供稿片段未披露比较结果，因此目前更值得关注的是这条技术路线，而非断言它已取代传统方法。实际业务仍需用独立测试数据验证表现。