Prior Labs a dévoilé TabPFN-3.5, la dernière version de son modèle tabulaire innovant. Ce modèle prédit les résultats directement à partir de données tabulaires sans nécessiter d'entraînement ou d'ajustement spécifique pour chaque ensemble de données. Impressionnant, il a obtenu la première place sur sept benchmarks tabulaires différents. Notamment, il a surpassé l'entrée gagnante du célèbre défi de classification de produits Otto de 2015 sur Kaggle. Cette compétition a impliqué 3 505 équipes et a chargé les participants de classer des produits en neuf groupes distincts à l'aide de 93 caractéristiques obfusquées. L'équipe gagnante, composée de grands maîtres Kaggle, a utilisé un ensemble complexe de 36 modèles basés sur des caractéristiques soigneusement élaborées. En revanche, TabPFN-3.5 a atteint un score de 0,375 sur le tableau de classement d'Otto en utilisant uniquement des données brutes et des paramètres par défaut, démontrant son efficacité. Le modèle a été préentraîné uniquement sur des données synthétiques et n'a pas nécessité d'exposition préalable à l'ensemble de données d'Otto. De plus, il offre des poids ouverts à des fins de recherche, tandis que les applications commerciales nécessitent une licence ou un accès API. Les avancées de TabPFN-3.5 incluent une augmentation des paramètres du modèle et des techniques d'encodage améliorées, renforçant considérablement ses capacités prédictives.
Prior Labs Lance TabPFN-3.5 : Un Modèle Tabulaire Dépassant le Champion d'Otto sur Kaggle
TabPFN-3.5, le dernier modèle tabulaire de Prior Labs, a obtenu des résultats remarquables, surpassant la solution gagnante de la compétition Otto sur Kaggle avec des paramètres par défaut.
3 min readTechnologie