本研究探讨了现有表格数据模型在目标维度置换等变性方面的不足，识别了导致预测不稳定的等变性差距。提出的新模型有效解决了这些问题，并在基准测试中表现出竞争力。

本文研究了多维缩放（MDS）的Kamada-Kawai公式，并提出了一种基于Sherali-Adams线性规划层次的近似算法，实现了在目标维度下成本和时间复杂度的平衡。