Отворен модел ускорява прогнозите върху таблични данни
NVIDIA представи Kumo Tabular — отворен фундаментален модел за класификация и регресия върху таблични данни. Моделът е достъпен чрез Hugging Face и използва редове с известни етикети като контекст, за да прогнозира етикетите на нови редове с един проход. Не са нужни допълнително обучение, настройване или инженеринг на признаци. Предлагат се три размера от 28M до 215M параметъра, а лицензът OpenMDW-1.1 допуска търговска употреба.
Kumo Tabular е Transformer, създаден за работа със структурата на таблиците чрез внимание по колони, редове и контекст. Той е предварително обучен изцяло върху процедурно генерирани таблици, включващи липсващи стойности, категориални признаци, отклоняващи се стойности и други несъвършенства. NVIDIA е обучила отделни модели за класификация и регресия и посочва, че най-големият е обработил около 137 милиона изкуствени таблици.
Според оценките на NVIDIA Kumo Tabular заема първо място в TabArena, BeyondArena, TALENT и ScoringBench, включително с ELO 1950 в TabArena. Моделът работи директно с числови и категориални колони; текст, изображения и времеви обозначения изискват предварителна обработка. NVIDIA предупреждава за възможен спад в точността при данни извън обучителните диапазони или при различно разпределение на заявките и контекста.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на Hugging Face. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.