Prior Labs merilis TabPFN-3.5, mengalahkan pemenang Kaggle Otto 2015 dengan pengaturan bawaan

Prior Labs telah merilis TabPFN-3.5, sebuah model fondasi tabel yang melakukan prediksi pada satu tabel dalam satu kali forward pass tanpa pelatihan atau penyetelan per dataset. Model ini mencetak skor 0.375 di papan peringkat privat Tantangan Klasifikasi Produk Grup Otto 2015, mengalahkan skor kemenangan asli sebesar 0.382 yang dicapai oleh Gilberto Titericz dan Stanislav Semenov.

• TabPFN-3.5 meraih tempat pertama di tujuh benchmark tabel: TabArena, BeyondArena, STRABLE, MulTaBench, RelArena-α, TALENT, dan ScoringBench.
• Model dasar berkembang menjadi 220M parameter dengan transformer konteks-intra yang lebih lebar (1024 dimensi) serta menggunakan fitur Fourier yang dipelajari dan peringkat ECDF untuk pengodean sel.
• Satu checkpoint multitugas kini mencakup klasifikasi dan regresi, menghilangkan kebutuhan akan transformasi kuantil, penskalaan robust, dan fitur SVD.
• Model ini mendukung hingga 1M baris dengan 6.000 fitur yang direkomendasikan (20.000 didukung) dan berjalan dalam sekitar satu menit di GPU RTX PRO 6000.
• Keluarga produk mencakup TabPFN-3.5-Fast (84M parameter), TabPFN-3.5-Plus (API/enterprise dengan penanganan teks), dan TabPFN-3.5-Thinking (komputasi inferensi tambahan).

Rilis ini menyediakan bobot terbuka untuk penelitian, evaluasi, dan Kaggle, sementara penggunaan produksi memerlukan API Prior Labs atau lisensi komersial.