NVIDIA Kumo Tabular stabilisce un nuovo fronte di accuratezza ed efficienza per la previsione tabellare
huggingface ·
NVIDIA ha rilasciato Kumo Tabular, un modello di base open source progettato per la previsione su dati tabellari che opera senza addestramento o ingegneria delle funzionalità. Questa architettura basata su Transformer utilizza l'apprendimento in contesto per prevedere le etichette per nuove righe in un singolo passaggio forward, supportando sia compiti di classificazione che di regressione. Il modello è stato preaddestrato esclusivamente su tabelle artificiali generate da Modelli Causali Strutturali, consentendogli di gestire varie imperfezioni nei dati come valori mancanti e outlier. È disponibile in tre dimensioni, con un numero di parametri che va da 28 milioni a 215 milioni, ed è eseguibile tramite la libreria open-source structured-data-models di NVIDIA. Le valutazioni delle prestazioni mostrano che Kumo Tabular si classifica al primo posto nei principali benchmark, tra cui TabArena, BeyondArena, TALENT e ScoringBench. In particolare, stabilisce un nuovo stato dell'arte sulla frontiera di Pareto accuratezza-efficienza, funzionando significativamente più velocemente rispetto ai modelli concorrenti come LimiX-2. Sebbene attualmente limitato alle colonne numeriche e categoriali, il modello offre una gestione robusta di strutture tabellari complesse attraverso meccanismi di attenzione specializzati. Rilasciato sotto licenza OpenMDW-1.1, fornisce agli sviluppatori accesso immediato a capacità di intelligenza artificiale per dati tabellari ad alte prestazioni.
huggingface