Prior Labs выпустила табличную модель TabPFN-3.5 с 220 млн параметров

Prior Labs представила TabPFN-3.5 — табличную фундаментальную модель, которая предсказывает за один прямой проход без обучения на датасете. Она набрала 0,375 log loss в соревновании Otto 2015 года, обойдя победный результат 0,382, и заняла первое место на 7 бенчмарках. Открытые веса доступны только для исследований, для продакшена нужна API или коммерческая лицензия.

• Модель выросла до 220 млн параметров против 53 млн у TabPFN-3
• На Otto 2015 результат 0,375 против победных 0,382 у стека из 36 моделей
• Прогон на сырых данных с настройками по умолчанию занял около минуты на RTX PRO 6000
• Поддерживает до 1 млн строк, рекомендуется 6000 признаков, максимум 20 000