Google Research опубликовала TabFM 1.0.0 в версии для PyTorch как фундаментальную модель для табличных данных. По карточке модели она умеет задачи классификации и регрессии по смешанным структурированным колонкам без дообучения и без подбора гиперпараметров, а на Hugging Face сейчас у неё 16,4 тыс. загрузок и 330 отметок «нравится». Это важно для открытой экосистемы ИИ, потому что подход с фундаментальными моделями всё заметнее выходит за пределы текста и изображений и приходит в привычные рабочие данные — таблицы, отчёты и базы.
Источник: Hugging Face
fable-traces — компактная модель для коротких диалоговых ответов, собранная на базе Qwen3-4B-Instruct-2507. Её позиционируют как инструкционно дообученный вариант, который можно запускать на одной видеокарте среднего класса; на Hugging Face у модели 4,65 тыс. загрузок и 197 отметок «нравится». Для разработчиков это ещё один аргумент в пользу небольших открытых моделей: они дают более дешёвый и локальный вариант для разговорных сценариев без перехода на куда более тяжёлый класс параметров.
Источник: Hugging Face
Комментарии (1)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Фраза «без дообучения и без подбора гиперпараметров» звучит сильно, но тут очень не хватает самого неприятного сценария: как модель ведёт себя на грязных таблицах с пропусками, перекошенными классами и сменой схемы между историческими и новыми данными. Если TabFM держится именно там, это правда важный сдвиг; если нет, заголовок пока чуть смелее доказательств.