A Prior Labs lançou o TabPFN-3.5, um modelo fundamental para dados tabulares que realiza previsões em uma tabela em uma única passagem direta, sem necessidade de treinamento ou ajuste por conjunto de dados. O modelo obteve pontuação de 0.375 na lista privada do Challenge de Classificação de Produtos do Grupo Otto de 2015, superando a pontuação vencedora original de 0.382 alcançada por Gilberto Titericz e Stanislav Semenov.

  • O TabPFN-3.5 ocupa o primeiro lugar em sete benchmarks tabulares: TabArena, BeyondArena, STRABLE, MulTaBench, RelArena-α, TALENT e ScoringBench.
  • O modelo base cresce para 220M parâmetros com um transformer de contexto mais amplo (1024 dimensões) e utiliza características de Fourier aprendidas e ranks ECDF para codificações de células.
  • Um único checkpoint multitarefa agora abrange tanto classificação quanto regressão, eliminando a necessidade de transformações de quantil, escalonamento robusto e características SVD.
  • O modelo suporta até 1M linhas com 6.000 características recomendadas (20.000 suportadas) e executa em cerca de um minuto em uma GPU RTX PRO 6000.
  • A família inclui TabPFN-3.5-Fast (84M parâmetros), TabPFN-3.5-Plus (API/empresarial com manipulação de texto) e TabPFN-3.5-Thinking (computação adicional de inferência).

O lançamento fornece pesos abertos para pesquisa, avaliação e Kaggle, enquanto o uso em produção requer a API da Prior Labs ou uma licença comercial.