Prior Labs представи TabPFN-3.5 за таблични данни
Prior Labs представи TabPFN-3.5 — модел за таблични данни, който прави прогнози в един forward pass, без обучение или настройване за всеки отделен набор. Компанията съобщава за първо място в седем бенчмарка. В отделна демонстрация на състезанието Otto моделът постига log loss 0,375 в частната класация, надминавайки резултата 0,382 на победителите от Kaggle през 2015 г. Gilberto Titericz и Stanislav Semenov. Изпитването е използвало необработените данни и стандартните настройки и е отнело около минута с графичен процесор RTX PRO 6000. Моделът не е виждал Otto или друг набор от данни на Kaggle по време на предварителното обучение.
В състезанието Otto продуктите са разпределяни в девет категории чрез 93 маскирани броячни характеристики. Печелившото решение е комбинирало 36 модела и ръчно създадени характеристики. В TabArena, който включва 51 набора от данни, TabPFN-3.5-Thinking достига 1910 Elo, а базовият модел — 1866. Prior Labs посочва, че моделът е лидер и в BeyondArena като цяло, макар че ансамблирани и настроени MLP модели остават по-силни в някои сегменти.
Базовата версия има 220 милиона параметъра спрямо 53 милиона при TabPFN-3 и използва Fourier характеристики и ECDF рангове. Отворените тегла са предназначени за изследвания, оценяване и Kaggle; комерсиалната продукционна употреба изисква API или лиценз.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.