Prior Labs präsentiert TabPFN-2.5: Mehr Skalierbarkeit für tabellarische Modelle

Tabellarische Daten sind nach wie vor das Rückgrat zahlreicher Produktionsmodelle in Bereichen wie Finanzen, Gesundheitswesen, Energie und Industrie. Unternehmen arbeiten täglich mit umfangreichen Tabellen, die Zeilen und Spalten enthalten, anstatt mit Bildern oder langen Texten.

Prior Labs erweitert dieses Feld mit der neuesten Version ihres TabPFN-Modells – TabPFN‑2.5. Das neue Modell kann Kontextlernen auf bis zu 50 000 Stichproben und 2 000 Features skalieren, ohne dabei an Genauigkeit zu verlieren.

Durch die optimierte Architektur bleibt die Leistung hoch, während die Rechenzeit und der Ressourcenverbrauch deutlich reduziert werden. Das bedeutet schnellere Inferenz und geringere Kosten für die Nutzung von tabellarischen Foundation‑Modellen.

Mit TabPFN‑2.5 erhalten Fachleute aus Finanzen, Medizin, Energie und Industrie ein leistungsfähiges Werkzeug, das die Entwicklung, das Experimentieren und die Produktion von Modellen erheblich beschleunigt.