Google ने TabFM पेश किया: टेबुलर डेटा के लिए एक फाउंडेशन मॉडल जिसमें जीरो-शॉट लर्निंग है
Google/DeepMind
Google Research ने TabFM नामक एक फाउंडेशन मॉडल पेश किया है, जो टेबुलर डेटा के लिए जीरो-शॉट इन-कॉन्टेक्स्ट लर्निंग का उपयोग करके मैन्युअल प्रशिक्षण या फीचर इंजीनियरिंग के बिना वर्गीकरण और प्रतिगमन कर सकता है। मॉडल को पूरी तरह से संरचनात्मक कारण मॉडल के माध्यम से उत्पन्न सैकड़ों मिलियन सिंथेटिक डेटासेट पर प्रशिक्षित किया गया है और यह TabArena बेंचमार्क पर XGBoost जैसे पारंपरिक एल्गोरिदम से बेहतर प्रदर्शन करता है। TabFM को Google BigQuery में एकीकृत किया जाएगा, जिससे उपयोगकर्ता एक सरल SQL कमांड के साथ भविष्यवाणियां चला सकेंगे।
गूगल रिसर्च ने टेबुलर डेटा वर्गीकरण और प्रतिगमन के लिए विशेष रूप से डिज़ाइन किया गया एक नया फाउंडेशन मॉडल TabFM पेश किया है। यह मॉडल इन-कॉन्टेक्स्ट लर्निंग (इन-कॉन्टेक्स्ट लर्निंग) दृष्टिकोण का उपयोग करता है, जो पूरे डेटासेट को एक एकीकृत प्रॉम्प्ट के रूप में मानता है ताकि अनुमान के समय कॉलम और पंक्तियों के बीच संबंधों को समझा जा सके, जिससे हाइपरपैरामीटर ट्यूनिंग और फीचर इंजीनियरिंग की आवश्यकता समाप्त हो जाती है। TabFM TabPFN और TabICL जैसी आर्किटेक्चर की ताकतों को एक नए हाइब्रिड डिज़ाइन में संश्लेषित करता है ताकि तालिकाओं की द्वि-आयामी, अक्रमिक प्रकृति को संभाला जा सके। संरचनात्मक कारण मॉडल (स्ट्रक्चरल कॉजल मॉडल) का उपयोग करके उत्पन्न सैकड़ों मिलियन सिंथेटिक डेटासेट पर पूरी तरह से प्रशिक्षित, TabFM बिना देखे गए वास्तविक दुनिया के डेटा पर अच्छी तरह से सामान्यीकरण करता है। 38 वर्गीकरण और 13 प्रतिगमन डेटासेट पर TabArena बेंचमार्क पर मूल्यांकन किया गया, यह लगातार XGBoost जैसे भारी ट्यून किए गए पर्यवेक्षित एल्गोरिदम से बेहतर प्रदर्शन करता है। TabFM को गूगल बिगक्वेरी (Google BigQuery) में एकीकृत किया जाएगा, जिससे उपयोगकर्ता एक सरल AI.PREDICT SQL कमांड के साथ उन्नत प्रतिगमन और वर्गीकरण कर सकेंगे।
स्रोत: Google Research —
मूल