본 논문은 표 형태의 데이터에 대한 컨텍스트 학습(ICL)에서 최첨단 성능을 달성한 ConTextTab 모델을 제시합니다. 기존의 표 데이터 기반 ICL 모델들은 합성 데이터로만 학습되어 실제 데이터의 풍부한 의미와 지식을 활용하지 못하거나, 사전 학습된 대규모 언어 모델을 기반으로 하여 컨텍스트 양이 제한적인 문제점을 가지고 있었습니다. ConTextTab은 표 데이터 특성에 맞는 구조를 유지하면서, 다양한 데이터 유형에 특화된 임베딩과 대규모 실제 데이터 학습을 통해 이러한 문제점을 해결합니다. 실험 결과, ConTextTab은 다양한 벤치마크에서 최첨단 성능을 보였으며, 특히 의미적으로 풍부한 CARTE 벤치마크에서 새로운 성능 기준을 제시했습니다. 소스 코드와 학습된 모델은 깃허브에서 공개됩니다.
