Google Research memperkenalkan TabFM: model asas sifar-sampel untuk data jadual
Tajuk asal:Introducing TabFM: A zero-shot foundation model for tabular data
Ringkasan AI
Google Research melancarkan TabFM, model asas sifar-sampel berasaskan pembelajaran dalam konteks (ICL), direka khusus untuk tugas klasifikasi dan regresi data jadual. TabFM mengambil keseluruhan set data (termasuk sampel latihan dan baris untuk diramal) sebagai input prompt bersatu, dan semasa inferens belajar hubungan baris-lajur terus daripada konteks, tanpa latihan model, penalaan hiperparameter atau kejuruteraan ciri. Berbeza daripada kaedah tradisional yang memerlukan banyak penalaan manual (seperti XGBoost), TabFM boleh menghasilkan ramalan berkualiti tinggi pada jadual baharu melalui satu penyebaran hadapan. Model ini telah diterbitkan secara sumber terbuka di Hugging Face dan GitHub.
Maklumat penting
- Google Research melancarkan TabFM,model asas sifar-sampel berasaskan pembelajaran dalam konteks…
- TabFM mengambil keseluruhan set data (termasuk sampel latihan dan baris untuk diramal) sebagai…
- Berbeza daripada kaedah tradisional yang memerlukan banyak penalaan manual (seperti XGBoost),TabFM…
- Model ini telah diterbitkan secara sumber terbuka di Hugging Face dan GitHub.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- Google Research:Blog(网页)
- Kategori
- Pelancaran Model
- Skor AI
- 76
TabFM 把表格预测变成一次前向传播,不再需调参和特征工程,数据科学家可以少熬夜了。BigQuery 集成让使用门槛降到 SQL,这是表格 ML 的零样本时刻。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Google Research memperkenalkan TabFM: model asas sifar-sampel untuk data jadual. 30 Jun 2026. https://new.nat6.net/ms/news/cmr5bqxtn00z1slc77gvm7ybl/