稳准智能发布LimiX-2，多项基准测试断层领先
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载LimiX-2 的建模思路
稳准智能推出的 LimiX-2 是一个参数规模为 400M 的结构化数据基础模型。与围绕目标列做行级预测的路线不同，LimiX-2 把重点放在变量之间的关系上，学习跨变量、跨样本的联合依赖。团队还搭建了自动化数据合成引擎，让模型在训练阶段先接触复杂的数据形态。这一做法意在让模型理解结构化数据中变量如何相互影响，而不仅是拟合某一列的取值。
基准测试中的表现
在 TabArena、TALENT、BCCO 三个基准测试中，LimiX-2 均取得第一。在二分类、多分类和回归任务上，它的成绩与同场方案拉开明显差距。这些任务覆盖了结构化数据常见的预测类型，说明该模型在不同任务形态下都具备竞争力。测试结果也为其变量关系建模的思路提供了外部对照。
与 TabPFN 等路线的差异
TabPFN 走的是偏目标预测的行级建模路线，SAP 于 9 月 15 日发布了 TabPFN-3.5，其 Plus 版本进入 SAP AI Core，用于现金流预测等任务。Google 发布 TabFM，将表格数据基础模型纳入自身版图；Amazon 推出 Mitra，探索预训练模型跨表格、跨任务的迁移。SAP 还先做出 SAP-RPT-1，又收购 Prior Labs，投入超过 10 亿欧元。相比之下，LimiX-2 不沿着行级预测展开，而是侧重变量关系建模。LDM 这一方向瞄准的是结构化数据中变量之间的关系与生成机制，LLM 处理的是已经语义化的信息，LDM 则直接进入高维数据空间。
团队与适用范围
稳准智能团队由清华博士组成，崔鹏担任首席科学家，他是清华计算机系教授。去年发布的 LimiX 是国内首个结构化数据基础模型，LimiX-2 是在这一基础上的新版本。对读者而言，LimiX-2 提供了一种面向结构化数据的预训练模型选择，其适用范围集中在二分类、多分类与回归等任务，核心能力在于刻画变量之间的联合依赖。模型规模为 400M 参数，具体部署条件与使用限制需结合官方说明判断。
为什么值得看
LDM赛道获谷歌、亚马逊等巨头押注，国产模型在核心基准上实现断层领先。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。