01 क्या हुआ
NVIDIA ने Kumo-Tabular 1.0 जारी किया है, जो तालिका डेटा पर वर्गीकरण और प्रतिगमन के लिए एक आधार मॉडल है। पूर्वानुमान के लिए यह लेबल की गई संदर्भ पंक्तियों और उन्हीं स्तंभों वाली अनलेबल प्रश्न पंक्तियों का उपयोग करता है।
02 मुख्य विवरण
- NVIDIA के अनुसार, मॉडल एक ही फॉरवर्ड पास में क्लास प्रायिकताएं या संख्यात्मक पूर्वानुमान देता है। इसके लिए कार्य-विशिष्ट प्रशिक्षण, ग्रेडिएंट अपडेट या हाइपरपैरामीटर ट्यूनिंग की आवश्यकता नहीं होती है।
- पूर्व-प्रशिक्षण के लिए केवल संरचनात्मक कारण मॉडलों द्वारा उत्पन्न सिंथेटिक तालिकाओं का उपयोग किया गया; वास्तविक डेटा का उपयोग नहीं किया गया।
- तीन संस्करण जारी किए गए हैं: Small लगभग 28 मिलियन पैरामीटर, Medium लगभग 62 मिलियन और Large लगभग 215 मिलियन पैरामीटर के साथ। इन्हें क्रमशः लगभग 35 मिलियन, 71 मिलियन और 137 मिलियन सिंथेटिक तालिकाओं पर पूर्व-प्रशिक्षित किया गया।
- मॉडल का मूल्यांकन TabArena-v0.1 (51 डेटासेट), TALENT (300) और BeyondArena पर किया गया, जिसमें यादृच्छिक, कालिक और समूह विभाजन का उपयोग किया गया। इन सूटों का उपयोग केवल मूल्यांकन के लिए किया गया; अंतिम स्कोर प्रकट नहीं किया गया है।
03 यह क्यों महत्वपूर्ण है
Kumo-Tabular डेटा टीमों को प्रत्येक कार्य के लिए अलग-अलग प्रशिक्षण के बिना तालिकाओं से पूर्वानुमान लगाने का एक तरीका प्रदान करता है। हालांकि, प्रकाशित बेंचमार्क स्कोर के बिना, मॉडल के मूल्यांकन के संख्यात्मक परिणामों का उपयोग करके तुलना नहीं की जा सकती है।
04 किनके लिए महत्वपूर्ण है
विश्लेषक, मशीन लर्निंग इंजीनियर और तालिका डेटा पर काम करने वाली टीमें।
मूल स्रोत