Prior Labs 发布了 TabPFN-3.5，这是一个表格基础模型，能够在单次前向传播中预测表格数据，无需针对每个数据集进行训练或调优。该模型在 2015 年 Otto Group 产品分类挑战赛的私有排行榜上得分 0.375，击败了 Gilberto Titericz 和 Stanislav Semenov 取得的原始获胜分数 0.382。

  • TabPFN-3.5 在七个表格基准测试中均获得第一名：TabArena、BeyondArena、STRABLE、MulTaBench、RelArena-α、TALENT 和 ScoringBench。
  • 基础模型参数规模增至 220M，采用更宽的上下文内 Transformer（1024 维），并使用学习到的傅里叶特征和 ECDF 秩进行单元格编码。
  • 单个多任务检查点现在同时涵盖分类和回归任务，无需分位数变换、鲁棒缩放和 SVD 特征。
  • 该模型支持最多 1M 行数据，推荐特征数为 6,000（支持 20,000），在 RTX PRO 6000 GPU 上运行时间约为 1 分钟。
  • 该系列包括 TabPFN-3.5-Fast（84M 参数）、TabPFN-3.5-Plus（API/企业版，支持文本处理）和 TabPFN-3.5-Thinking（额外推理计算）。

此次发布提供开放权重用于研究、评估和 Kaggle 竞赛，而生产环境使用需要 Prior Labs 的 API 或商业许可证。