Zer0Fit membungkus TabFM dan TimesFM dari Google sebagai server MCP lokal

Seorang pengembang telah membuat Zer0Fit, sebuah implementasi open-source yang menyajikan model fondasi TabFM dan TimesFM dari Google sebagai server Model Context Protocol (MCP) untuk tugas pembelajaran mesin zero-shot. Proyek ini memungkinkan pengguna melakukan prakiraan, klasifikasi, dan regresi secara lokal tanpa membangun atau melatih model kustom.

• Menggabungkan model transformer TabFM (data tabel) dan TimesFM (deret waktu) dari Google ke dalam satu kontainer Docker.
• Mencapai akurasi 94,7% pada dataset Iris dan R2 sebesar 0,87 pada regresi California Housing dalam pengujian zero-shot.
• Memerlukan sekitar 16GB VRAM dan mendukung pemuatan model dinamis dengan TTL 5 menit untuk mengelola memori.
• Kompatibel dengan Open WebUI, Claude Code, dan Codex, berjalan pada perangkat keras Nvidia yang didukung CUDA seperti DGX Spark, 3090, dan H100.

Alat ini memungkinkan pengguna menghubungkan LLM lokal ke model fondasi ML untuk tugas-tugas yang sebelumnya memerlukan penyetelan hiperparameter ekstensif dan pelatihan model.