TabFM против XGBoost: 5 фактов, которых нет в релизе
В этой статье анализируется новая модель TabFM от Google Research, которая выполняет предсказания по таблицам без обучения. Автор проверяет заявления, выявляет ограничения и делится независимыми тестами. Ключевой вывод: zero-shot TabFM может превзойти настроенный градиентный бустинг, но скрытые оговорки, такие как ограничение размера контекста и синтетические обучающие данные, требуют внимания.
Статья Сергея Прощаева, ведущего технического специалиста из FinTech и электронной коммерции, посвящена модели TabFM, выпущенной Google Research 30 июня 2026 года. TabFM считывает таблицу как единый контекст, используя замороженные веса и внутриконтекстное обучение, что устраняет необходимость обучения на ваших данных. Она является преемником TimesFM для временных рядов и продолжает линию TabPFN
Показать ещё ↓
Источник: Habr — хаб ИИ —
оригинал