Quelle: Albert-Ludwigs-Universität Freiburg
Ein Team der Universität Freiburg um Prof. Frank Hutter hat mit TabPFN ein KI-Modell entwickelt, das Vorhersagen aus kleinen Tabellendatensätzen deutlich präziser und schneller ermöglicht. Der Algorithmus, inspiriert von großen Sprachmodellen, wurde auf 100 Millionen synthetischen Datensätzen trainiert und erkennt kausale Zusammenhänge besser als bisherige Ansätze.
Besonders bei Datensätzen mit weniger als 10.000 Einträgen oder unvollständigen Daten punktet TabPFN. Es benötigt nur die Hälfte der Datenmenge, um die gleiche Genauigkeit wie andere Modelle zu erreichen. Die Ergebnisse wurden in Nature veröffentlicht. Die Entwicklung könnte Disziplinen wie Biomedizin, Wirtschaft oder Physik erheblich voranbringen.
