Nums AI apresenta causilo, um modelo fundamental tabular que supera os benchmarks do tabarena

A Nums AI lançou o Causilo, um modelo fundamental tabular pré-treinado, projetado para tarefas de classificação e regressão. O modelo, disponível através de uma interface scikit-learn e no Hugging Face, alcança a pontuação Elo mais alta entre os modelos individuais no TabArena para ambas as tarefas. O Causilo, que pode ser implementado hoje para pesquisa e avaliação em CUDA ou CPU, requer uma licença separada para uso comercial. O Causilo utiliza o aprendizado no contexto, armazenando os dados de treinamento como contexto, em vez de atualizar os pesos. Ele processa entradas como arrays NumPy e DataFrames pandas, lidando com características categóricas e valores ausentes. A versão 1.0.1 introduz saídas de mediana e quantil. A arquitetura do modelo inclui três fases—refinamento, compressão e aprendizado no contexto—cada uma detalhada no código publicado. O Causilo supera modelos como TabFM e TabPFN-3 no TabArena, com uma pontuação Elo de 1794. Também ocupa o primeiro lugar em CRPS, R² e RMSE no ScoringBench. A Nums AI relata que o Causilo é o modelo mais rápido para ajuste e previsão, embora o TabPFN-3 utilize menos memória de GPU. O modelo requer Python 3.10–3.12 e PyTorch 2.13 ou posterior.