本文介绍了一种基于自学习的检索增强型Transformer模型NAIM，用于自动数据整理，减轻数据分析师的工作量。NAIM通过特征特定的嵌入和掩码自注意机制，提升对不完整数据的泛化能力，研究表明其在缺失数据情况下的预测性能优于多种先进模型。