гиперпараметров и проектировании признаков. TabFM объединяет сильные стороны таких архитектур, как TabPFN и TabICL, в новой гибридной конструкции, чтобы учитывать двумерную неупорядоченную природу таблиц. Обученная полностью на сотнях миллионов синтетических наборов данных, сгенерированных с использованием структурных каузальных моделей (structural causal models, SCM), TabFM хорошо обобщает данные на невидимые реальные сценарии. При оценке на бенчмарке TabArena, включающем 38 наборов данных для классификации и 13 — для регрессии, модель стабильно превосходит алгоритмы с интенсивной настройкой, такие как XGBoost. TabFM будет интегрирована в Google BigQuery, что позволит пользователям выполнять расширенную регрессию и классификацию с помощью простой SQL-команды AI.PREDICT.