一位开发者创建了 Zer0Fit，这是一个开源实现，它将 Google 的 TabFM 和 TimesFM 基础模型作为零样本机器学习任务的 Model Context Protocol (MCP) 服务器提供服务。该项目允许用户在本地执行预测、分类和回归，而无需构建或训练自定义模型。

  • 将 Google 的 TabFM（表格数据）和 TimesFM（时间序列）Transformer 模型组合到单个 Docker 容器中。
  • 在零样本测试中，在 Iris 数据集上达到 94.7% 的准确率，在 California Housing 回归任务中 R2 为 0.87。
  • 需要约 16GB VRAM，并支持动态模型加载，使用 5 分钟 TTL 来管理内存。
  • 兼容 Open WebUI、Claude Code 和 Codex，可在支持 CUDA 的 Nvidia 硬件（如 DGX Spark、3090 和 H100）上运行。

该工具使用户能够将本地 LLM 连接到 ML 基础模型，用于以前需要大量超参数调优和模型训练的任务。