Search

Tag: #tabular-data10 results

Entropic Scree 映射表格資料的真實秩

Entropic Scree 是一套開源、與模型無關的診斷工具，使用 Normalized Mutual Information 估算複雜表格資料的內在秩。它旨在降低 PCA、Kernel PCA 與歐幾里得近鄰估計器可能造成的秩高估與結構性失效。

Zer0Fit 是一個新的 MCP 伺服器，允許開發者在 Docker 容器中本地運行 Google 的 TabFM 與 TimesFM 基礎模型。它能透過 Open WebUI 等 LLM 介面直接進行預測與分類等零樣本機器學習任務。

Reddit r/MachineLearningCommunity•Jul 12#machine-learning #mcp #tabular-data

Google Research 發表了 TabFM，這是一種將表格預測視為上下文學習問題的基礎模型。它消除了針對每個數據集進行訓練、超參數調整以及複雜特徵工程管線的需求。

MoCA-Agent 是一個全新的框架，透過基於市場的驗證系統取代多代理人辯論，以提升財務與表格推理的準確性。該系統將問題分解為原子級聲稱，並利用專業代理人對其有效性進行交易，進而合成更可靠的 Python 解決方案。

TabFM Studio 是一款全新的網頁工具，讓使用者能在本地端執行 Google 的 TabFM 表格基礎模型。它讓非程式設計人員只需點選欄位並利用現有數據作為上下文範例，即可進行預測。

Reddit r/MachineLearningCommunity•Jul 18#tabular-data #no-code #local-ai

NVIDIA 正在探索專為金融交易數據開發的基礎模型。此方法旨在透過利用客戶歷史記錄中固有的序列模式，取代脆弱且需人工設計特徵的傳統方法。

NVIDIA Developer BlogOfficial•Jun 16#fintech #foundation-models #tabular-data

Fundamental 推出的 NEXUS 大型表格模型現已可透過 Amazon SageMaker JumpStart 進行部署。此整合讓企業用戶能輕鬆部署該模型，並針對自有數據集執行推論。

AWS Machine Learning BlogOfficial•Jun 3#tabular-data #aws-sagemaker #enterprise-ai

ReSS 框架從決策樹提取決策路徑作為符號支架，引導 LLM 產生表格資料的忠實推理。它建立高品質資料集用於微調 LLM，並透過資料增強提升泛化能力。在醫學與金融基準上提升達 10%，並引入忠實度指標。

受 Karpathy AutoResearch 啟發的新自主 ML 代理，使用 Claude 在表格二元分類任務上無限執行實驗。它分析資料、形成假設、編輯三個鎖定檔案的程式碼、以時間分割評估，並透過 git 記錄洞見。主要教訓強調嚴密評估與實驗產出。

Reddit r/MachineLearningCommunity•Mar 29#automl #tabular-data #autonomous-agent

研究人員使用2021年美國兒童健康全國調查的18,792名10-17歲兒童資料，比較統計、機器學習及深度學習模型預測超重/肥胖。AUC介於0.66-0.79，邏輯斯迴歸、梯度提升及MLP在辨識與校準間取得最佳平衡。複雜模型僅帶來有限改善，種族及貧困群體效能差距持續存在。