К содержимому
Другое

minipfn TabPFN-3.5

открытая репродукция табличного трансформера

2 мин чтенияобновлено

Модель решает задачи классификации и регрессии на табличных данных с помощью in-context learning (обучения в контексте без дообучения весов на целевом датасете). Это написанная с нуля открытая репродукция архитектуры TabPFN-3.5 от автора aiden-jeon на 219M параметров (0.22B), обученная исключительно на синтетических данных из открытого генератора TabICL по трёхэтапной схеме TabICLv2. В отличие от многих табличных моделей, где под каждую задачу нужен отдельный чекпоинт, здесь один общий набор весов обслуживает сразу и классификацию, и регрессию. Пригодится ML-инженерам и исследователям, которым нужна полностью открытая альтернатива официальным весам Prior Labs для работы с таблицами.

Ключевые особенности

  • Единый мультизадачный чекпоинт: из 219M параметров 204.5M являются общими для обеих задач, а разделены только входные энкодеры меток и выходные головы.
  • Трёхступенчатая архитектура: последовательно обрабатывает ячейки (с преобразованием Фурье и ECDF-рангами), столбцы, строки и весь контекст через 24 слоя трансформера с QK-norm и QASSMax.
  • Работа с крупными таблицами: при обучении модель видела до 60 000 строк и 100 признаков, а на инференсе поддерживает до 1 000 000 обучающих строк, 6 000 признаков и 160 классов.
  • Стабилизация внимания: автор добавил soft-cap на логиты внимания (ограничение значением 50 через tanh), чтобы избежать схлопывания внимания при длительном обучении.

Что можно сделать

  • Решать задачи классификации: подать pandas DataFrame с числовыми и категориальными признаками в TabPFNv3_5Classifier и получить вероятности классов без градиентного бустинга.
  • Прогнозировать непрерывные значения: использовать TabPFNv3_5Regressor для регрессии на тех же весах, получая среднее по предсказанному распределению.
  • Экономить память при двух задачах: загрузить веса один раз через from_pretrained и передать общий объект модели одновременно в классификатор и регрессор.

Пример

from minipfn import TabPFNv3_5Classifier, TabPFNv3_5Regressor

clf = TabPFNv3_5Classifier(device="cuda").fit(x_train, y_train)
proba = clf.predict_proba(x_test)

reg = TabPFNv3_5Regressor(device="cuda").fit(x_train, y_train)
pred = reg.predict(x_test)
ПодробнееМетрики: на бенчмарке TabPFN v2 средний ROC AUC составил 0.9371 (выше 0.9323 из статьи TabPFN v2), геометрическое среднее отношения RMSE — 1.005.
Арены: 1556 Elo на TabArena-Lite (16-е место из 99, превосходит дефолтный XGBoost на 90% сплитов) и 1139 Elo на BeyondArena (против 1375 у официального TabPFN-3.5).
Железо и скорость: обучение заняло около 2 800 H100-часов (32×H100); на GPU используется ядро FlexAttention (в 1.3–2.2 раза медленнее обычного SDPA на 10k–30k строках, первый вызов компилируется ~20 сек).
Ограничения: модель видела только синтетику и слабее выступает на очень больших таблицах, временных разбиениях и категориях с высокой кардинальностью.
Примеры
Обсудить Telegram 0 323

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.8 GB · готовые файлы1.4 GB
  • BF16веса 0.4 GB0.9 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # aiden-jeon/minipfn-tabpfn-v3-5
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download aiden-jeon/minipfn-tabpfn-v3-5 --local-dir ~/models/minipfn-tabpfn-v3-5
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к minipfn-tabpfn-v3-5
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии minipfn-tabpfn-v3-5 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

aiden-jeon/minipfn-tabpfn-v3-5
Автор
aiden-jeon
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

3230

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

LayaLink

LayaLink