AGI新战场谷歌亚马逊巨头激战，杀出个中国LimiX-2赢了又赢
内容提要
稳准智能联合清华发布400M参数结构化数据基础模型LimiX-2，在TabArena等三大国际基准的分类与回归任务中均排名第一，超越谷歌TabFM。其核心创新为上下文机制网络CMNs，将建模目标从目标预测转向变量关系与因果机制学习，代表LDM路线正成为AGI下一阶段的重要方向。
延伸解读
LDM与LLM：互补而非替代
文章指出，LLM主要处理已语义化的文本、代码等数据，而LDM直接面向工业生产中的高维结构化数据，如温度、压力等变量。这类数据往往未被人类总结成规则，且变量间的细粒度关系对预测精度至关重要。因此，LDM并非要取代LLM，而是补足LLM对真实世界理解不足的缺口，两者更接近平行、互补的基础模型路线。
技术范式差异：从预测到关系建模
以TabPFN为代表的PFN路线以目标变量Y为中心，擅长快速适配新表并预测Y。但LimiX-2提出的CMNs将建模目标转向全变量联合依赖和数据生成机制，直接学习变量间的关系。这种范式切换类似从BERT到GPT，改变了模型学习目标和组织信息的方式，使模型能保留更多变量级细粒度信息，从而在分类、回归等任务上表现更优。
LimiX-2的三大技术支柱
LimiX-2通过CMNs、CCMM和Cell-Level表示构建了一套完整技术范式。CMNs将学习目标改为变量关系建模；CCMM通过上下文条件掩码建模，不断遮住-预测不同变量，迫使模型学习条件依赖和联合结构；Cell-Level以单元格为基础表示单元，保留列身份、具体取值和缺失状态，支持跨变量、跨样本交互。三者共同支撑了模型在多个基准上的领先表现。
从预测走向因果智能的路径
文章强调，LDM的长期能力路径是从Prediction走向Relationship、Causality、Intervention、Decision。LimiX-2已在Sachs、UF等公开数据集上领先多种传统因果发现方法，表明其不仅能预测，还能发现变量间的因果骨架。这指向通用因果智能，也是生产侧智能化下一阶段的关键方向，可能决定AGI下一阶段的能力上限。
Q&A
LimiX-2是什么？它由谁发布？
LimiX-2是稳准智能联合清华大学发布的一个400M参数的结构化数据基础模型，属于LDM（Large Data Model）路线。
LimiX-2在哪些国际基准测试中取得了第一？
LimiX-2在TabArena、TALENT、BCCO三个国际主流基准测试中，在二分类、多分类和回归任务上均排名第一。
LimiX-2的核心技术创新是什么？
LimiX-2的核心创新是上下文机制网络CMNs（Contextual Mechanism Networks），将建模目标从目标预测转向变量关系与因果机制学习，学习跨变量、跨样本的联合依赖结构。
LDM和LLM有什么区别？
LLM主要处理已经语义化的文本、代码等数据，学习人类已表达的知识；而LDM直接面向结构化数据，学习变量之间的关系、条件关系和生成机制，更接近真实世界的高维数据空间。
LimiX-2在因果发现方面有什么表现？
LimiX-2在Sachs、UF、Causal Chamber等公开数据集上，已经领先多种传统因果发现方法。
LDM赛道目前有哪些主要玩家？
LDM赛道的主要玩家包括Google（TabFM）、Amazon（Mitra）、SAP（收购TabPFN背后的Prior Labs）以及中国的稳准智能（LimiX系列）等。
