应用介绍
类别&文本：先将类别值映射为其自然语言描述，再同原生文本一起输入经过预训练的文本编码器（如Nomic Embeddings），得到语义丰富的高维嵌入。数值：归一化后的数值输入给预训练的浮点编码器（ENC）。ENC与其配对的解码器DEC通过联合重构任务训练：编码后必须能够无损地解码回原始浮点值，重构误差被最小化后这两个组件参数即被冻结。元数据&任务上下文：表名、列名以及边类型被同样送入文本编码器；同时，根据当前预测目标列名生成的任务描述会在后续所有层次参与注意力计算，指导模型聚焦目标。
类别&文本：先将类别值映射为其自然语言描述，再同原生文本一起输入经过预训练的文本编码器（如Nomic Embeddings），得到语义丰富的高维嵌入。数值：归一化后的数值输入给预训练的浮点编码器（ENC）。ENC与其配对的解码器DEC通过联合重构任务训练：编码后必须能够无损地解码回原始浮点值，重构误差被最小化后这两个组件参数即被冻结。元数据&任务上下文：表名、列名以及边类型被同样送入文本编码器；同时，根据当前预测目标列名生成的任务描述会在后续所有层次参与注意力计算，指导模型聚焦目标。
