NVIDIA 開源表格基礎模型 Kumo Tabular:無須微調即可預測,登頂四大基準測試
提供 28M 至 215M 參數規模,全以人工資料預訓練,採 OpenMDW-1.1 授權允許商用,單次前向傳遞即可完成表格分類與迴歸預測。
HuggingFace Blog一手來源
73 則值得知道的變化
提供 28M 至 215M 參數規模,全以人工資料預訓練,採 OpenMDW-1.1 授權允許商用,單次前向傳遞即可完成表格分類與迴歸預測。
NIST 評估其為迄今網路能力最強的開放權重模型,實測漏洞開發表現逼近 Claude Mythos Preview,且任何人皆可下載。
該模型採用 decoder-only Transformer 架構,在 NL2Repo 與 DeepSWE v1.1 等評測表現優異,並能將驗證過的研發方案直接投入下一輪迭代。
模型結合 diffusion drafter 於決策前進行思考,單張 H100 推論中位數為 3.3 秒,並釋出權重與相容 Jev 的 API。
新版本採用 GSQ 與 RCO 技術,將 176.9B 參數模型壓縮至最低 2.4 bpw,Coder 剪枝版移除半數專家,常駐記憶體降至 29.6 GB。