Google stellt TabFM vor: Ein Foundation-Modell für tabellarische Daten mit Zero-Shot-Lernen

Google Research hat TabFM vorgestellt, ein Foundation-Modell für tabellarische Daten, das Zero-Shot-In-Context-Lernen nutzt, um Klassifikation und Regression ohne manuelles Training oder Feature-Engineering durchzuführen. Das Modell wird vollständig auf Hunderten von Millionen synthetischer Datensätze trainiert, die mithilfe struktureller Kausalmodelle generiert wurden, und übertrifft traditionelle Algorithmen wie XGBoost auf dem TabArena-Benchmark. TabFM wird in Google BigQuery integriert, sodass Benutzer mit einem einfachen SQL-Befehl Vorhersagen durchführen können.

Google/DeepMind

SkillOpt: KI-Agent-Fähigkeiten in trainierbare Parameter verwandeln

Microsoft Research stellt SkillOpt vor, eine Methode, die Agenten-Fähigkeitsdateien als trainierbare Parameter außerhalb eines eingefrorenen Modells behandelt und sie durch kontrollierte Textbearbeitungen optimiert. In 52 Evaluierungszellen mit 6 Benchmarks, 7 Modellen und 3 Ausführungsmodi übertrifft SkillOpt durchweg die Basislinien und erzielt eine Verbesserung von bis zu +23,5 Punkten, ohne die Modellgewichte zu ändern. Optimierte Fähigkeiten übertragen sich über Modellgrößen und Agenten-Werkzeuge hinweg und bleiben kompakt und überprüfbar.

Microsoft OpenAI Alibaba/Qwen