NVIDIA发布Kumo Tabular表格基础模型，将标注行作为上下文，一次前向即可预测，无需逐任务训练。模型参数28M至215M，官方称四组评测第一、快17倍，但真实分布漂移时准确率会下降。作者认为它更适合冷启动基线，而非直接替代成熟风控模型，上线前须做校准、漂移监控与时间留出门禁。
麻省理工学院研究人员开发了一种新方法，利用表格基础模型改进贝叶斯优化，能在复杂工程问题中更快找到最佳解决方案。该方法在60个基准测试中比传统算法快10到100倍，适用于汽车安全设计等领域，显著提升了优化效率。
本文介绍了表格基础模型（TabFMs），通过对大型语言模型（LLM）在表格数据集上的微调，展现出对表格数据的深刻理解和优越性能。研究表明，TabFMs在零样本和上下文推理任务中表现优异，超越了GPT-4等闭源模型。文章还探讨了TabFMs的局限性及未来研究方向，以推动该领域的发展。
完成下面两步后，将自动完成登录并继续当前操作。
