Google új AI-modellel teszi lehetővé a táblázatok promptolását
A Google Research TabFM alapmodellje egyetlen előrejelzéssel, promptolással old meg táblázatos klasszifikációs és regressziós feladatokat, kiküszöbölve a hagyományos gépi tanulási munkafolyamatokat.
Hogyan működik a TabFM?
A TabFM lényegében a kontextusban történő tanulás (in-context learning) elvén működik táblázatok esetében. A felhasználó a teljes problémát — beleértve a tanító- és tesztadatokat — egyetlen promptként adja meg a modellnek, amely aztán megválaszolja a feladatot. Ez gyökeresen eltér a hagyományos gépi tanulási munkafolyamattól, ahol minden új adathalmaz esetén újra kell kezdeni a feature engineering, validálás és hiperparaméter-hangolás ciklusát.
Hogyan kapcsolódik a TabFM a korábbi Google-modellekhez?
A TabFM a Google Research korábbi TimesFM modelljének örökségét viszi tovább, amely az idősoros adatok alapmodelljeként vált ismertté. A TimesFM a kutatási eredmények egyik legsikeresebb Google-terméke lett, és a TabFM is hasonló megközelítést alkalmaz a táblázatos adatok területén.
Kapcsolódó: GPT-5.6 korlátozottan elérhető
A hagyományos vállalati gépi tanulási (ML) rendszerek továbbra is nagymértékben támaszkodnak olyan algoritmusokra, mint a XGBoost, amelyek CSV-fájlokon alapuló előrejelzéseket készítenek ügyféllemzésre, csalások felderítésére vagy hitelkockázat becslésére. A TabFM célja, hogy ezt a bevett, de időigényes folyamatot egyszerűsítse és felgyorsítsa.
Kapcsolódó: Claude Opus 4.8 kódírás
A TabFM már elérhető a Google Research GitHub-tárházában.
Kapcsolódó: Alibaba robotikai AI cselekvésbe