/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
tabpfn
Опубликована
2 янв 2025

TabPFN-v2-clf

Классификация таблицTable → label5 профессий

Трансформерная модель Prior Labs для классификации небольших табличных наборов данных без отдельного обучения под каждую задачу.

40 595скачиваний за 30 дней93лайкавеса обновлены26 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TabPFN-v2-clf — трансформерная базовая модель для классификации табличных данных, разработанная Prior Labs. Она применяет обучение на основе априорных распределений по данным и предназначена для классификации на небольших табличных наборах без отдельного обучения модели под каждую задачу. В репозитории размещены производственные базовые чекпойнты; файлы с суффиксом finetuned-* являются идентичными псевдонимами соответствующих базовых чекпойнтов.

Модель работает с табличными данными и выдаёт результаты классификации. Для использования предусмотрена библиотека tabpfn на базе PyTorch. В карточке указана лицензия Prior Labs License — Apache 2.0 с дополнительным требованием атрибуции. README приводит требования к программной среде и оборудованию, но не сообщает о поддерживаемых естественных языках или конкретном пределе размера входного набора.

Сценарии применения

  • классификация строк в небольших таблицах
  • предсказание категорий по табличным признакам
  • быстрое построение базовой модели для табличного датасета

Ограничения

Модель ориентирована на небольшие табличные наборы и может быть неподходящей для задач, требующих обучения на крупных таблицах. Лицензия содержит дополнительное требование атрибуции.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TabPFN v2: A Tabular Foundation Model

TabPFN is a transformer-based foundation model for tabular data that leverages prior-data based learning to achieve strong performance on small tabular datasets without requiring task-specific training.

Installation

pip install tabpfn

Model Details

📚 Citation

@article{hollmann2025tabpfn,
 title={Accurate predictions on small data with a tabular foundation model},
 author={Hollmann, Noah and M{\"u}ller, Samuel and Purucker, Lennart and
         Krishnakumar, Arjun and K{\"o}rfer, Max and Hoo, Shi Bin and
         Schirrmeister, Robin Tibor and Hutter, Frank},
 journal={Nature},
 year={2025},
 month={01},
 day={09},
 doi={10.1038/s41586-024-08328-6},
 publisher={Springer Nature},
 url={https://www.nature.com/articles/s41586-024-08328-6},
}

Quick Start

📚 For detailed usage examples and best practices, check out:

Technical Requirements

  • Python ≥ 3.9
  • PyTorch ≥ 2.1
  • scikit-learn ≥ 1.0
  • Hardware: 16GB+ RAM, CPU (GPU optional)

Checkpoints in this repository

This repository hosts the production TabPFN-v2 base checkpoints. Files matching the pattern tabpfn-v2-classifier-finetuned-*.ckpt are content-identical aliases of the corresponding base checkpoints (e.g. tabpfn-v2-classifier-finetuned-gn2p4bpt-xp6f0iqb.ckpt is identical to tabpfn-v2-classifier-gn2p4bpt.ckpt; tabpfn-v2-classifier-finetuned-zk73skhh.ckpt is identical to tabpfn-v2-classifier-v2_default.ckpt). The finetuned-* filenames are retained as aliases so that pinned filenames in user code continue to resolve.

Resources

Team

  • Noah Hollmann
  • Samuel Müller
  • Lennart Purucker
  • Arjun Krishnakumar
  • Max Körfer
  • Shi Bin Hoo
  • Robin Tibor Schirrmeister
  • Frank Hutter
  • Eddie Bergman

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · tabpfn

Нельзя запустить

Табличные модели пока не поддерживаются.

Ревизия весов
f851f2a

0 моделей