Prior Labs випустила TabPFN-3.5 для табличних даних
Prior Labs випустила TabPFN-3.5 — foundation-модель для табличних даних, яка прогнозує за один forward pass, без окремого навчання й налаштування для кожного набору. Компанія повідомляє про перші місця в семи табличних бенчмарках. В окремій демонстрації змагання Otto модель отримала log loss 0,375 у приватному лідерборді, випередивши результат 0,382 переможного рішення Kaggle 2015 року, створеного Gilberto Titericz і Stanislav Semenov. На необроблених даних зі стандартними налаштуваннями запуск тривав близько хвилини на RTX PRO 6000. Під час попереднього навчання модель не використовувала Otto чи інші набори даних Kaggle.
У змаганні Otto товари розподіляли за дев’ятьма категоріями на основі 93 прихованих ознак-лічильників. Переможне рішення поєднувало 36 моделей і створені вручну ознаки. На TabArena, що містить 51 набір даних, TabPFN-3.5-Thinking набирає 1910 Elo, а базова модель — 1866. За даними Prior Labs, модель також очолює загальний рейтинг BeyondArena, хоча на окремих зрізах її випереджають налаштовані ансамблі MLP.
Базова версія має 220 млн параметрів проти 53 млн у TabPFN-3 та використовує навчені Fourier-ознаки й контекстні ECDF-ранги. Відкриті ваги доступні для досліджень, оцінювання та Kaggle, але комерційне використання у виробничому середовищі потребує API або ліцензії.
Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.