Bureau of Corporations and Charitable Organizations
PulseAugur coverage of Bureau of Corporations and Charitable Organizations — every cluster mentioning Bureau of Corporations and Charitable Organizations across labs, papers, and developer communities, ranked by signal.
-
清华LimiX-2模型结构化数据基准测试登顶，超越Google
清华大学与文准智能联合发布了新的结构化数据基础模型LimiX-2。该模型拥有4亿参数，在TabArena、BCCO和TALENT等国际基准测试中取得了最高排名，超越了Google、SAP和Amazon等大公司的模型。LimiX-2引入了上下文机制网络（CMNs），为结构化数据建模开创了新范式，专注于发现变量之间的关系，而不仅仅是预测特定结果。该模型还配备了升级的合成数据生成引擎，并在因果发现方面展示了显著的进步。
-
LimiX-2 模型通过新的网络范式推动结构化数据智能 · 跟踪到 2 个来源
研究人员推出了 LimiX-2，这是 LimiX 系列中一个专为通用结构化数据智能设计的新模型。该模型利用上下文机制网络 (CMNs) 并使用上下文条件掩码建模 (CCMM) 进行预训练。LimiX-2 将重点从目标中心预测转移到面向机制的联合建模，学习给定上下文内数据生成的联合结构。在 TabArena、TALENT 和 BCCO 等基准测试上的评估表明，LimiX-2 超越了现有的特定数据集和表格基础模型，并且其注意力机制还能实现…
-
小米发布TabLDM，一个在合成数据上训练的表格基础模型
研究人员推出Xiaomi-TabLDM，一个用于分类和回归任务的新型表格基础模型。该模型通过上下文学习实现高预测精度，无需针对特定任务进行微调。它在从结构因果模型生成的合成数据上进行了预训练，能够实现高效的容量扩展和灵活的上下文利用。Xiaomi-TabLDM在各种基准测试中表现强劲，在OpenML-CTR23上排名第一，并显示出性能和计算成本之间的有利权衡。
-
EXAONE Tabular 1.0：紧凑型基础模型在表格基准测试中达到SOTA
一份新的技术报告介绍了EXAONE Tabular 1.0，这是一个为分类和回归等表格数据任务设计的紧凑型基础模型家族。该模型通过在其Transformer架构中交织特征轴和项目轴注意力，实现了强大的预测性能和效率。EXAONE Tabular在包括TabArena和ScoringBench在内的多个基准测试中取得了最先进的结果，以显著更低的推理成本超越了更大的模型和复杂的集成。