tabpfn_2_5

קוד פתוח

Prior-Labsother2025-11-03

chemistry
biology
finance
legal
climate

מודל טרנספורמר לטבלאות שפותר משימות סיווג ורגרסיה במעבר קדימה אחד בלי אימון ממושך. הוא נותן תוצאות מדויקות על נתונים קטנים עד בינוניים כמעט מיד.

641 MBמשקל הקבצים
10,693הורדות בחודש
226לייקים

מה זה

במקום לאמן מודלים כמו עצי החלטה או רגרסיות מאפס על הדאטה שלכם, הארכיטקטורה הזו מיישמת למידה בתוך ההקשר. היא מבוססת על טרנספורמר של 18 עד 24 שכבות עם מנגנון קשב מתחלף, שמאומן מראש על משימות סינתטיות ומשופר על 43 מאגרי נתונים אמיתיים.

המשמעות בפועל היא שהקריאה לפונקציית ההתאמה לא מריצה אופטימיזציה ממושכת, אלא פשוט מזינה את הנתונים ישירות למודל ומפיקה תחזיות במעבר קדימה מהיר. לפי המפתחים, הגישה הזו עוקפת תוצאות קודמות במבחני ביצועים ייעודיים כמו TabArena ו־RealCause, כל עוד הטבלה עומדת במגבלות הגודל הנתמכות.

מתאים ל

פרוטוטייפינג מהיר בטבלאות
מאפשר לקבל קו בסיס חזק למשימות סיווג בלי לבזבז זמן על אימון וכיוונון פרמטרים.
מחקר על דאטה מובנה
מתאים לבדיקת אלגוריתמים והשוואת ביצועים מקומית על טבלאות בגודל קטן עד בינוני.
אנסמבל משולב באוטו-ML
משתלב בקלות במערכות אופטימיזציה כדי לגוון תחזיות בעזרת משקלי ברירת המחדל.

איפה זה נופל

המגבלה הקשיחה ביותר מגיעה עם גודל הדאטה, שכן המודל לא נבדק על טבלאות עם יותר מ־50,000 שורות או יותר מ־2,000 עמודות. ככל שמתקרבים לקצוות האלה, הביצועים שלו מידרדרים באופן ישיר. בנוסף, רוב המשקלים המשניים בחבילה הם ניסיוניים ומציגים ביצועים נחותים בממוצע ביחס לברירות המחדל.

שאלות
נפוצות

האם המודל מתאים לטבלאות שמכילות טקסט חופשי?

לא, המודל המקומי מקבל רק נתונים מובנים ולא תומך בטקסט או בתמונות. המפתחים מציינים שעבור תכונות טקסטואליות יש לפנות לגרסת ה־API שלהם.

האם אפשר להשתמש במודל בתוך שירות או מוצר מסחרי?

לא, הרישיון הנוכחי מגביל את השימוש למחקר, הערכה ומבחני ביצועים פנימיים בלבד. הפעלה במערכות ייצור שמייצרות הכנסה דורשת רכישת רישיון מסחרי מהחברה.

איך מריצים

ההתקנה מתבצעת ישירות דרך פייתון עם pip install tabpfn, והשימוש זהה לחלוטין לממשק המוכר של scikit-learn עם אותן פונקציות fit ו־predict. המאגר שוקל 641 מגה בייט בלבד, כך שניתן להריץ אותו מקומית על מעבד רגיל או מאיץ גרפי בסיסי מאוד בלי להסתבך עם דרישות זיכרון חריגות.

החבילה כוללת משקלים ייעודיים למשימות שונות, כולל גרסאות ניסיוניות לכמויות פיצ'רים גדולות או רגרסיה. ברירת המחדל לסיווג מכילה שקלול שנלמד מדאטה אמיתי, בעוד שברירת המחדל לרגרסיה אומנה על דאטה סינתטי בלבד. אם יש לכם שדות טקסט חופשי או תמונות בטבלה, הקוד המקומי הזה לא יעבוד עבורם והחברה מפנה במקרים כאלה לגרסת ה־API שלה.

pip install -U huggingface_hub
hf download Prior-Labs/tabpfn_2_5

הקבצים

20 קבצים במאגר, 641 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר תחת תנאים ייעודיים של החברה, והוא אוסר לחלוטין שימוש מסחרי או הרצה בסביבת ייצור. מותר להוריד את המשקלים למחקר, ניסויים פנימיים והשוואת ביצועים ראשונית על הדאטה שלכם, אך לא לבסס עליהם החלטות עסקיות, פיצ'רים שנמכרים או מוצרים. שימוש מסחרי מחייב רכישת רישיון נפרד ישירות מ־Prior Labs.

הרישיון המלא בעמוד המודל ↗