Nums AI presenta causilo, un modelo fundamental tabular que supera los benchmarks de tabarena

Nums AI ha lanzado Causilo, un modelo fundamental tabular preentrenado diseñado para tareas de clasificación y regresión. El modelo, disponible a través de una interfaz de scikit-learn y en Hugging Face, logra la puntuación Elo más alta entre los modelos individuales en TabArena para ambas tareas. Causilo, que se puede implementar hoy para investigación y evaluación en CUDA o CPU, requiere una licencia separada para uso comercial. Causilo utiliza el aprendizaje en contexto, almacenando los datos de entrenamiento como contexto en lugar de actualizar los pesos. Procesa entradas como matrices NumPy y DataFrames de pandas, manejando características categóricas y valores faltantes. La versión 1.0.1 introduce salidas de mediana y cuantil. La arquitectura del modelo incluye tres fases: refinamiento, compresión y aprendizaje en contexto, cada una de las cuales se detallan en el código publicado. Causilo supera a modelos como TabFM y TabPFN-3 en TabArena, con una puntuación Elo de 1794. También ocupa el primer lugar en CRPS, R² y RMSE en ScoringBench. Nums AI informa que Causilo es el modelo más rápido para el ajuste y la predicción, aunque TabPFN-3 utiliza menos memoria de GPU. El modelo requiere Python 3.10-3.12 y PyTorch 2.13 o posterior.