Prior Labs представила TabPFN-3.5, последнюю версию своей инновационной табличной модели. Эта модель предсказывает результаты непосредственно из табличных данных без необходимости в обучении или настройке для каждого набора данных. Впечатляюще, она заняла первое место по семи различным табличным бенчмаркам. Примечательно, что она превзошла победное решение известного конкурса классификации продуктов Otto 2015 года на Kaggle. В этом конкурсе участвовали 3 505 команд, и участникам было поручено классифицировать продукты на девять различных категорий, используя 93 зашифрованные характеристики. Победившая команда, состоящая из грандмастеров Kaggle, использовала сложный ансамбль из 36 моделей, основанных на тщательно разработанных характеристиках. В отличие от этого, TabPFN-3.5 достигла результата 0.375 в таблице лидеров Otto, используя только сырые данные и настройки по умолчанию, что демонстрирует ее эффективность. Модель была предварительно обучена только на синтетических данных и не имела предварительного доступа к набору данных Otto. Кроме того, она предлагает открытые веса для исследовательских целей, в то время как коммерческое использование требует лицензии или доступа к API. Улучшения в TabPFN-3.5 включают увеличение параметров модели и улучшенные методы кодирования, значительно усиливающие ее предсказательные способности.
Prior Labs Представляет TabPFN-3.5: Табличная Модель, Превосходящая Победителя Otto на Kaggle
TabPFN-3.5, последняя табличная модель от Prior Labs, достигла выдающихся результатов, превзойдя победное решение конкурса Otto на Kaggle с настройками по умолчанию.
3 min readТехнологии