先验实验室推出可扩展至千万行的表格AI基础模型

快速阅读: Prior Labs推出新模型TabPFN，专为处理表格数据设计，能即时学习模式，支持千万数据点，显著提升企业数据利用效率和准确性。

表格人工智能初创公司Prior Labs GmbH今日宣布推出一款新的基础模型，该模型能够处理数百万行的数据，帮助企业理解和利用其最复杂、至关重要的业务信息。这款名为TabPFN的新模型被描述为行业首创，它在不到一年的时间里实现了数据集大小千倍的增长，并将生产级别的准确性大规模地带给企业。

表格数据——即构成大多数企业系统骨干的结构化行和列——支撑着财务记录、供应链和客户数据库。然而，Prior Labs表示，表格AI的进步落后于视觉和语言等领域，因为这些数据集几乎没有一致的模式。与图像或文本不同，表格数据集具有独特的结构和行为，这意味着模型在从医疗记录学习时不能依赖与从金融交易中学习相同的底层信号。

Prior Labs的新TabPFN模型专为表格数据设计。该模型经过数亿个合成数据集的训练，无需针对特定任务的训练即可实现高精度，能够即时从任何数据集中学习模式。在过去的一年里，TabPFN模型经历了显著的发展。Prior Labs年初推出的TabPFN模型支持1万行数据，到11月初支持10万行，如今新模型支持高达1000万数据点。

作为基础模型，TabPFN还可以通过企业自身数据的微调，形成规模化的自我强化循环。据Prior Labs称，采用TabPFN应对最复杂数据挑战的企业能够提高模型的准确性和性能。该公司的模型已经吸引了一些愿意尝试的客户，例如日立有限公司正在使用TabPFN在其铁路网络中进行预测性维护，提前识别轨道问题并减少人工检查。英国生物技术公司Oxford Cancer Analytics也使用TabPFN来检测复杂的肺部疾病，以改善患者预后，展示了该模型的多功能性。

“我们对世界领先研究的高度重视确实得到了回报，”Prior Labs的首席执行官兼联合创始人Frank Hutter表示。“在不到一年的时间内扩展到数百万数据点……证明了我们卓越团队执行研究并将其投入生产的速度。”

Prior Labs是一家风险投资支持的初创公司，已筹集了900万欧元（约934万美元）的种子资金。投资者包括Balderton Capital Management Ltd.、Hector Foundation、Atlantic Labs GmbH、Galion.exe和XTX Markets Ltd。

(以上内容均由Ai生成)