Компания Prior Labs представила TabPFN-3.5 — фундаментальную модель для табличных данных, которая превзошла результат победителей конкурса Otto Group Product Classification Challenge 2015 года на платформе Kaggle. Модель достигла показателя log loss 0,375 на закрытом лидерборде, используя настройки по умолчанию и необработанные данные.
Модель обучалась исключительно на синтетических данных и не использовала наборы данных Kaggle в процессе подготовки. Время обработки составило около минуты на GPU RTX PRO 6000. Открытые веса доступны для исследовательских целей, однако для промышленного использования требуется коммерческая лицензия или API от Prior Labs.
TabPFN-3.5 занимает первые места в бенчмарках TabArena, BeyondArena, STRABLE и MulTaBench. В TabArena, включающем 51 набор данных, базовая модель набрала 1866 баллов Elo, опередив AutoGluon 1.6. Версия TabPFN-3.5-Thinking достигла результата 1910 баллов Elo.
Архитектура TabPFN-3.5 содержит примерно в четыре раза больше параметров, чем TabPFN-3, при сопоставимом размере KV-кэша. При этом на больших тренировочных выборках базовая модель работает до двух раз медленнее, чем TabPFN-3, хотя скорость предсказания для отдельных строк осталась прежней.
