TabPFN‑2.5 setzt neue Maßstäbe für tabellarische KI
Das neueste Modell TabPFN‑2.5 hebt die Leistung von tabellarischen KI-Systemen auf ein neues Niveau. Mit bis zu 50 000 Datenpunkten und 2 000 Features – ein 20‑facher Zuwachs an Datenzellen gegenüber TabPFNv2 – ist TabP…
- Das neueste Modell TabPFN‑2.5 hebt die Leistung von tabellarischen KI-Systemen auf ein neues Niveau.
- Mit bis zu 50 000 Datenpunkten und 2 000 Features – ein 20‑facher Zuwachs an Datenzellen gegenüber TabPFNv2 – ist TabPFN‑2.5 bereits der führende Ansatz für den TabArena…
- Im Vergleich zu fein abgestimmten Baum‑Modellen übertrifft es diese deutlich und erreicht die gleiche Genauigkeit wie AutoGluon 1.4, ein vierstündiges, komplexes Ensembl…
Das neueste Modell TabPFN‑2.5 hebt die Leistung von tabellarischen KI-Systemen auf ein neues Niveau. Mit bis zu 50 000 Datenpunkten und 2 000 Features – ein 20‑facher Zuwachs an Datenzellen gegenüber TabPFNv2 – ist TabPFN‑2.5 bereits der führende Ansatz für den TabArena‑Benchmark, der bis zu 100 000 Trainingsbeispiele umfasst.
Im Vergleich zu fein abgestimmten Baum‑Modellen übertrifft es diese deutlich und erreicht die gleiche Genauigkeit wie AutoGluon 1.4, ein vierstündiges, komplexes Ensemble, das sogar TabPFNv2 einschließt.
Standard‑TabPFN‑2.5 gewinnt bei kleinen bis mittleren Klassifikationsdatensätzen (≤10 000 Punkte, ≤500 Features) 100 % der Fälle gegen XGBoost und erzielt bei größeren Datensätzen bis zu 100 000 Samples und 2 000 Features einen Gewinn von 87 % (85 % bei Regressionsaufgaben).
Für den produktiven Einsatz bietet die neue Distillations‑Engine die Möglichkeit, TabPFN‑2.5 in kompakte MLP‑ oder Baum‑Ensembles zu überführen, die nahezu die gleiche Genauigkeit beibehalten, aber die Latenz um ein Vielfaches reduzieren und sofort einsatzbereit sind.
Diese Veröffentlichung stärkt sofort die Leistung aller bestehenden Anwendungen und Methoden im TabPFN‑Ökosystem.
Welche Linse du auf diese Meldung legen solltest
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.