مدل جدید LimiX-2 با ۴۰۰ میلیون پارامتر، رویکردی متفاوت برای تحلیل داده‌های ساختاریافته ارائه می‌دهد. این مدل که توسط تیمی از دانشگاه تسینگ‌هوا توسعه یافته، برخلاف روش‌های سنتی، از پارادایم «شبکه مکانیسم زمینه‌ای» استفاده می‌کند تا توزیع مشترک ویژگی‌ها و هدف را یاد بگیرد.
مهم‌ترین ویژگی‌های این مدل:
• عملکرد جامع: انجام هم‌زمان طبقه‌بندی، رگرسیون و پر کردن مقادیر مفقود در یک مرحله.
• تحلیل علی: بازسازی ساختار گراف علی بین ستون‌های داده برای درک وابستگی‌های واقعی.
• دقت بالا: کسب امتیازات برتر در بنچمارک‌های معتبری همچون TabArena و TALENT، که نشان‌دهنده برتری آن نسبت به مدل‌های کلاسیک مثل CatBoost و AutoGluon است.
این مدل برای مقاصد تحقیقاتی و آموزشی رایگان است. برای مطالعه جزئیات بیشتر درباره معماری و نحوه عملکرد آن می‌توانید به مقاله علمی در Arxiv یا مخزن GitHub پروژه مراجعه کنید.
LimiX-2: مدل پایه هوش مصنوعی برای داده‌های جدولی با تحلیل علی
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما