Prior Labs Lanza TabPFN-3.5: Un Modelo Tabular que Supera al Campeón de Otto en Kaggle

Prior Labs ha presentado TabPFN-3.5, la última versión de su innovador modelo tabular. Este modelo predice resultados directamente de datos tabulares sin necesidad de entrenamiento o ajuste específico para cada conjunto de datos. Impresionantemente, ha asegurado la primera posición en siete diferentes benchmarks tabulares. Notablemente, ha superado la entrada ganadora del famoso Desafío de Clasificación de Productos de Otto de 2015 en Kaggle. Esta competencia involucró a 3,505 equipos y encargó a los participantes clasificar productos en nueve grupos distintos utilizando 93 características ofuscadas. El equipo ganador, compuesto por grandes maestros de Kaggle, utilizó un complejo ensamblaje de 36 modelos basados en características meticulosamente elaboradas. En contraste, TabPFN-3.5 logró un puntaje de 0.375 en la tabla de clasificación de Otto utilizando solo datos en bruto y configuraciones predeterminadas, demostrando su eficiencia. El modelo fue preentrenado únicamente con datos sintéticos y no requirió exposición previa al conjunto de datos de Otto. Además, ofrece pesos abiertos para fines de investigación, mientras que las aplicaciones comerciales requieren una licencia o acceso a la API. Las mejoras en TabPFN-3.5 incluyen un aumento en los parámetros del modelo y técnicas de codificación mejoradas, lo que refuerza significativamente sus capacidades predictivas.