تاب إف إم مقابل إكس جي بوست: 5 حقائق غير موجودة في الإصدار

المقال بقلم سيرجي بروشايف، قائد تقني من قطاع التكنولوجيا المالية والتجارة الإلكترونية، يناقش نموذج تاب إف إم، وهو نموذج أصدرته جوجل ريسيرش في 30 يونيو 2026. يقرأ تاب إف إم الجدول كسياق واحد، باستخدام أوزان مجمدة وتعلم داخل السياق، مما يلغي الحاجة إلى التدريب على بياناتك. وهو خليفة تايمز إف إم للسلاسل الزمنية ويتبع خط تاب بي إف إن (2022). تم تدريب النموذج مسبقًا على مئات الملايين من مجموعات البيانات الاصطناعية المولدة بواسطة نماذج سببية هيكلية، وليس على بيانات مؤسسية حقيقية. يسلط المقال الضوء على أن غلاف سكيت-ليرن يحتوي على حدود افتراضية تبلغ 500 ميزة و100 صف سياق، لذلك يقوم النموذج بأخذ عينات إذا كان الجدول أكبر. تظهر المعايير المستقلة التي أجراها ياش راج بانداي أن تاب إف إم يتفوق على إكس جي بوست المضبوط على الجداول الصغيرة والمتوسطة، لكن بعض المكاسب اختفت عند النظر في بذور متعددة. يلاحظ المقال مشكلات في الذاكرة: كانت الذاكرة المزعومة البالغة 22.75 جيجابايت من ذاكرة الفيديو في الغالب قطعة أثرية من موزع إكس إل إيه، مع استخدام حقيقي حوالي 16.95 جيجابايت؛ أدى تمكين بي إف 16 وتقسيم التنشيط في باي تورش إلى تقليل الذاكرة إلى 3-7 جيجابايت. يقترح المؤلف بروتوكول تقييم مناسب مع بذور متعددة وميزانيات متساوية لضبط المعاملات الفائقة. يختتم المقال بأنه على الرغم من أن تاب إف إم يُظهر وعدًا، فإن سلوكه على الجداول المؤسسية غير النظيفة وانحراف التوزيع غير مميز، لذا فإن التحقق من صحة بياناتك الخاصة أمر ضروري.