本文提出“学习表征—系统效用—随机冲击”三层统一模型:冻结的TabFM从风险、时间、损失、估值与社会选择等异质任务中提取共同选择空间,再由一个跨领域随机效用函数进行价值排序。基于1000名参与者、26项多重价格表任务的实验显示,TabFM相较总体中位数将换行误差降低约17%,而决策者身份打乱后优势消失;在其表征上估计的共同效用指数保留了原模型约85%的误差改善,并能迁移预测未参与效用估计的领域,同时较好复现行为构念之间的相关结构。
论文将模型拆分为三个部分:冻结的TabFM编码器构建共同选择域;一个跨所有任务和经济领域的系统效用函数进行价值排序;共同的I型极值随机冲击生成随机选择。
研究使用Econographics公开数据中的1000名美国成年人和26项多重价格表任务,将任务划分为已知风险、模糊性、复合彩票、概率加权、时间贴现、估值、损失和分配偏好八个分析领域。
冻结TabFM在一次性留出的隐藏领域测试中,相比总体中位数将换行MAE降低17.4%,并使“两行以内”准确率提升9.5个百分点;打乱决策者身份后,预测优势显著恶化。
共同效用层使用TabFM输出的2048维上下文状态,经固定随机投影降至128维,再由一个共同截距和共同系数向量形成归一化选择指数;每个可行切换方案根据其与理想选择位置的距离获得系统效用。
共同效用模型在“两行以内”准确率上达到65.83%,总体中位数为40.42%,TabFM原始非线性解码器为71.04%;相较总体预测,混合模型保留了TabFM误差改善的85%。
TabFM的上下文表征能够将同一经济领域内的任务映射得更接近:同领域任务的平均CKA为0.487,不同领域任务为0.206,差异通过5000次任务标签置换检验。
当前结果证明的是“冻结预测表征+估计后的共同效用规则”具有跨领域可迁移性,并非证明基础模型能够在新情境中自行学习结构性效用参数。
标题:《Tabular Foundation Models and the Unity of Economic Behaviour》(表格基础模型与经济行为的统一性)。
作者:Victor H. Aguiar。
日期:2026年8月。
研究主题:利用冻结的表格基础模型(Tabular Foundation Model,TabFM)预测同一决策者在风险、模糊性、时间偏好、收益与损失、估值以及分配选择等多个经济行为领域中的选择,并进一步将机器学习得到的共同表示嵌入一个统一的随机效用模型。报告未给出股票评级、目标价或投资建议,其核心对象是经济学中的行为建模与预测,而非证券估值。
报告的中心论点可以概括为三层结构:第一,异质的经济决策问题可以通过冻结的基础模型编码为一个共同的“选择域”;第二,一个跨领域通用的系统效用函数可以对该选择域中的可行行动进行排序;第三,共同的随机冲击将系统效用转化为观察到的随机选择。 作者试图说明,机器学习可以负责学习“决策问题如何被表示”,而经济学中的效用理论负责解释“这些表示如何被赋予价值”,随机效用则负责描述“为什么实际选择具有随机性”。
实证上,研究使用Chapman等人“Econographics”实验的1,000名美国成年人和26个多重价格表(multiple price list,MPL)任务。TabFM相对于训练样本中位数将隐藏领域测试中的平均绝对换行误差降低约17%,而当可见选择被重新分配给其他决策者时,这一优势消失,说明预测力主要来自同一决策者内部的一致行为历史,而不是各任务独立的边际分布。 更严格的统一效用模型虽然比TabFM原始的非线性解码器略弱,但仍保留了大部分预测收益,并且在拟合时完全排除目标领域结果后,仍能预测该领域。
作者将每一个MPL任务的结果编码为决策者第一次选择右侧选项的行号;由于界面强制单次切换,该行号实际上包含了该任务完整的二元选择路径,另有“永不切换”这一特殊可行反应。 研究不是简单比较不同模型在单一任务上的预测效果,而是隐藏一个任务或一个经济领域,要求模型根据同一决策者在其他任务中的选择以及其他参与者的带标签数据进行预测。
这里有三个识别层次:
作者还特别区分了“冻结参数”和“无标签预测”。TabFM的参数在Econographics数据上没有更新,但主实验仍向模型提供了目标任务中其他100名参与者的标签,因此属于参数零样本、但并非标签零样本的情形。 只有零标签实验才真正删除目标任务或目标领域的所有标签。
数据来自YouGov匹配并加权的1,000名美国成年人。原研究测量21个行为构念,本报告使用其中12个构念对应的26个原始MPL屏幕,并将其划分为八个操作领域:已知风险、模糊性、复合彩票、概率加权、时间折现、估值、损失和分配偏好。
参与者特征包括年龄、性别、种族与族裔、教育、收入、就业、家庭结构、地区、宗教参与、认知能力测试、认知反思测试以及元认知表现和信心等。 但结果显示,真正有价值的信息主要是行为选择历史,而不是人口统计、认知或元认知变量。
样本划分为800名训练者、100名验证者和100名测试者。确认性隐藏领域测试只使用一次测试样本,协议、随机种子、上下文身份、指标和基准均在测试结果加载前锁定;完整样本交叉拟合主要用于描述性结果和机制检查,不能替代一次性留出的确认性测试。
图1清晰地展示了报告的三层架构:左侧是“学习到的共同选择域”,中间是“一套系统效用”,右侧是“随机选择”。风险与模糊性、时间与估值、收益与损失、社会分配等原始问题首先进入冻结的Foundation Encoder,形成决策者—任务状态 (h_{it})。该状态再与每一个可行的反应计划结合,形成共同选择对象。
中间的效用函数将状态投影为一个理想化的归一化切换位置 (\mu_{it}),并让离该位置越近的可行反应计划具有越高效用。图中展示的形式为:
[ V_\theta(e_{it}(r))=-|s_t(r)-\mu_{it}|, ]
其中 (s_t(r)) 是反应计划在任务可行行数中的归一化位置,(\mu_{it}) 是该决策者在该任务中的理想位置。这个设定具有很强的约束性:它不允许风险任务使用独立风险厌恶系数、时间任务使用独立时间偏好系数,也不允许分配任务拥有完全不同的效用函数。 经济含义不是把机器学习状态本身当作效用,而是由共同的参数向量把状态映射为系统性价值。
右侧加入独立同分布的I型极值随机冲击,产生条件Logit选择概率:
[ Pr(Y_{it}=r)=\operatorname{softmax}r[V\theta(e_{it}(r))]. ]
因此,系统效用决定可行方案的排序,随机冲击决定实际观察到哪个方案。报告明确指出,当前结果主要评价“模态预测”或最高系统效用方案,并未识别共同冲击尺度 (\kappa),所以不能据此宣称选择概率已经校准。
TabFM使用Google的TabFM 1.0.0回归检查点,表示维度为2,048,全部参数冻结。作者通过固定随机投影将2,048维状态压缩为128维,再用一个截距和一组共同系数估计价值指数;正则化参数通过参与者分组交叉验证选择。
这一设计的重要性在于,它把“一个共享软件”转化为“一个共享经济限制”。仅仅调用同一个TabFM模型26次,并不足以证明存在共同经济模型,因为目标任务的100个标签仍可能支持每个任务独立的局部映射。 真正的限制来自同一个投影、同一个系数向量、同一个反应计划效用函数和同一个冲击分布被用于所有任务与领域。
在100名测试参与者和324个隐藏任务结果上,TabFM相对于总体中位数将换行误差降低17.4%,并使“两行以内”的准确率提高9.5个百分点。 当可见选择在参与者之间随机重排时,模型优势进一步恶化,说明模型需要一个连贯的个人行为向量,而不能只依赖各任务的边际分布。
未收缩的TabFM预测在测试集上的事后MAE为3.305,但确认性测试使用的是预先锁定的收缩版本,因此作者将未收缩结果作为敏感性分析,而不是主要结论。 这一区分体现了报告对模型选择与测试集使用的谨慎。
表4显示,共同效用指数在“两行以内”准确率上达到65.83%,总体中位数只有40.42%,TabFM原始非线性解码器为71.04%。因此,加入统一随机效用结构后,模型损失了一部分灵活性,但仍保留了大部分基础模型的预测信息。
作者进一步计算归一化误差改善的保留比例:共同效用模型保留了TabFM相对于总体预测改善的85%。当拟合共同效用指数时排除目标领域的所有结果,模型仍达到63.16%的两行以内准确率,归一化误差为0.149,并保留原始改善的78%。 这意味着跨领域迁移的不是目标领域特定的效用参数,而是一套在其他领域学习到的价值方向。
需要注意,目标领域的100个上下文标签仍然进入冻结TabFM的表示,因此该实验不是纯粹的“目标领域零样本效用学习”,而是检验在表示信息固定的情况下,共同价值规则是否能够跨领域迁移。
完整任务掩码产生26,000个参与者—任务预测。冻结TabFM的精确准确率为23.05%,一行以内为52.86%,两行以内为69.91%,MAE为2.185;匹配的上下文中位数两行以内准确率为38.58%,MAE为4.101,均匀分布基准的两行以内准确率仅为27.03%。
信息干预揭示了预测来源:
因此,人口统计和认知特征并非主要信息源,行为选择历史才是模型识别个人共同偏好的核心。
在模型比较中,Extra Trees两行以内准确率为67.73%,CatBoost为64.40%,TabFM分别领先2.18和5.50个百分点;对应MAE优势分别为0.097和0.241行,置信区间均排除了零。 这表明大部分可预测内容可以被灵活的经典机器学习模型捕捉,但冻结基础模型仍有统计上显著的额外优势。
图2左图展示各模型在1,000名参与者中的行为预测适配度分布,右图展示超过不同适配度阈值的参与者比例。TabFM平均适配度为0.871,Extra Trees为0.866,CatBoost为0.858,而决策者打乱后的模型只有0.754。
TabFM相对于Extra Trees、CatBoost和打乱身份条件,分别在652、788和988名参与者上表现更好。 图形上,TabFM的生存曲线在大多数高适配度区间位于经典模型右侧,而身份打乱曲线明显左移,说明统一预测的收益并非由少数异常参与者驱动,而是广泛存在;同时,破坏决策者一致性的影响远大于基础模型之间的差异。
将预测的原始选择经过Chapman等人的公开变换、调查权重、重复测量修正和ORIV处理后,模型在12个构念的66个两两相关关系上取得Pearson alignment 0.959、秩相关alignment 0.939,二次排列检验的p值为0.0001。 排除目标领域结果估计效用指数后,秩相关仍为0.935,而TabFM非线性解码器为0.870。
这说明共同效用模型不仅能预测单个选择,还能重建不同行为构念之间的相对组织结构。不过其平均绝对非对角相关为0.266,而数据中只有0.167,模型高估了依赖强度。 因而作者谨慎地把结论限定为“恢复相关几何结构的排序”,而不是完整解释相关程度或证明条件独立的随机冲击结构。
图3从三个角度比较任务之间的接近性:实际选择相关矩阵、TabFM预测相关矩阵以及上下文嵌入的线性CKA矩阵。CKA是一种对正交旋转和统一尺度不敏感的表示相似度指标,因此比较的是不同任务下同一批参与者的相对几何位置,而非单个神经网络坐标。
同一经济组内任务的平均CKA为0.487,不同组之间为0.206,差距为0.281,且在5,000次任务标签置换中均未被超过。 状态CKA与实际任务相关矩阵的秩相关为0.769,与预测相关矩阵的秩相关为0.828,说明模型的内部状态确实编码了相近任务之间的共同结构。
但报告同时承认,任务掩码设计中其他25个选择仍然可见,原始行为向量本身就会机械地继承大量相关结构。 因此,高CKA不能单独证明模型发现了潜在偏好;更有说服力的是,决策者打乱、上下文标签打乱和仅保留个人资料时,几何一致性显著下降。
图4追踪TabFM 24个上下文学习模块中的几何变化。输入层同领域CKA为0.681、跨领域为0.516,差距为0.165;输出层分别下降至0.537和0.301,但差距扩大到0.236。 这表示模型整体降低了任务表示的相似度,却保留了更多同一经济领域内部的共同参与者几何。
值得注意的是,24个模块的更新方向在不同领域之间余弦相似度超过0.9997,说明模型并没有把风险、时间和分配偏好分配给彼此独立的“专用模块”,而是使用几乎相同的计算序列处理不同领域。 这支持“一个统一预测系统”的解释,但不等于存在一个已被识别的经济效用函数。
在更严格的全领域掩码中,TabFM把MAE从总体中位数的4.056降至3.455,两行以内准确率从40.26%升至45.81%,但只在八个领域中的七个降低MAE、六个提高两行以内准确率。 时间折现任务由于反应分布高度集中,反而更容易被总体中位数预测;分配选择在“两行以内”指标下也偏向中位数。 这说明TabFM并非在每个指标、每个领域都占优,综合平均收益掩盖了部分领域差异。
在Self-Regulation Ontology外部数据中,样本包括522名参与者、37个任务和129个因变量。TabFM相对于CatBoost的归一化MAE改善为0.0127,并且在九个预先规定的十个行为家族中胜出;相对于总体中位数和决策者打乱,改善分别为0.0767和0.0996。 这为“同一决策者的行为历史具有可迁移预测信息”提供了超出Econographics的支持,但仍然不是对统一效用结构的独立识别。
报告还构造了联合残差预测:以TabFM的边际预测为中心,再从经验残差池中抽取完整的残差向量。该联合预测的能量分数和变差分数均优于逐坐标独立抽样,但这种跨任务依赖来自外部经验残差池,而非TabFM发布的标量输出头。 因此作者将其称为“强大的混合分布预测”,而非原生的联合概率模型。
表示学习与经济效用仍存在识别距离。 TabFM的状态可能同时包含偏好、注意力、认知能力、框架效应或回答策略,预测成功不能证明其编码的是经济学意义上的效用。 共同效用层确实施加了结构限制,但其效用形式是“距离共同理想切换位置的负绝对值”,相当简化,未必能代表原始彩票、日期、概率和社会收益的真实原语价值。
主实验依赖目标任务标签。 冻结模型虽然没有更新权重,但主设计为每个目标任务提供100名其他参与者的带标签样本,因此结果体现的是可迁移的上下文推断,而不是完全无监督地从个人资料预测偏好。 零标签结果显示跨任务迁移仍存在,但TabFM相对于经典模型没有稳定的独特优势。
任务掩码可能高估跨领域重建能力。 隐藏一个任务时,同一领域的相关任务通常仍然可见,因而部分结果更接近“同领域重建”而非真正跨领域外推。 全领域掩码缓解了这一问题,但其确认性测试规模较小,且不同领域的可预测程度存在明显差异。
随机效用的概率含义尚未充分检验。 报告使用I型极值冲击推导条件Logit概率,但主要评价模态选择,不估计冲击尺度,也没有系统检验独立冲击、IIA或条件正交等假设。 因此,结果更强地支持“共同系统排序”,而不是完整的随机选择概率结构。
共同效用层是估计后运输,而非真正的经济基础模型。 TabFM能够在上下文中适应,但效用系数 ((\alpha,\beta)) 是使用人类训练数据估计后固定的;作者明确承认当前模型尚未实现一个能够在新上下文中自动推断效用的固定经济学习规则。 这正是报告所说的距离“普适结构模型”的最后一步。
外部数据与训练先验存在可复现边界。 TabFM的权重、推理代码和模型卡公开,但预训练数据生成器、合成语料、预训练代码和精确损失函数未公开,因此可以复现前向推理,却不能独立复现其预训练过程或完整评估其先验与经济实验的重合程度。
这份报告最重要的贡献不是证明某个机器学习模型在行为预测上优于CatBoost,而是提出了一种分层统一框架:基础模型学习跨风险、时间、损失和社会选择的共同表示;随机效用模型使用一个共同价值函数对表示和可行反应计划进行排序;随机冲击解释观察到的选择偏离系统排序。
从表格和图形看,证据链较为完整:隐藏领域测试证明可见行为历史具有预测力;身份打乱实验表明这种信息依赖同一决策者的连贯性;表4说明单一共同效用规则保留了TabFM大部分预测收益;相关矩阵结果说明该规则还能重建行为构念之间的相对几何;图3和图4则表明基础模型内部逐步形成了同领域更接近、跨领域更分离的参与者表示。
总体而言,作者主张的是一种“预测统一性加经济压缩”,而非已经完成的普适结构效用理论。报告较有说服力地证明了:不同经济行为领域之间存在可被同一决策者历史和共同价值映射捕捉的系统性联系;但它尚未证明这些联系完全由稳定偏好产生,也尚未实现对新原语行动、新菜单和政策反事实具有稳健性的通用经济模型。
2608.06842.pdf