Databricks เพิ่มโมเดลพื้นฐานสำหรับข้อมูลตารางลงใน AI Runtime
เริ่มตรงนี้
Databricks ได้เพิ่มการรองรับโมเดลพื้นฐานสำหรับข้อมูลตาราง (TFM) บน AI Runtime ของบริษัท ทำให้ผู้ใช้สามารถทดลองและปรับแต่งโมเดลทรานส์ฟอร์เมอร์ที่ผ่านการฝึกมาแล้วสำหรับการพยากรณ์บนตาราง บนโครงสร้างพื้นฐาน GPU แบบจัดการได้ ตามข้อมูลจาก Databricks ระบุว่า TFM พยากรณ์บนตารางใหม่ผ่านการเรียนรู้ในบริบทโดยไม่ต้องฝึกเฉพาะงาน บริษัทได้เปรียบเทียบสามโมเดล ได้แก่ TabICLv2 (ประมาณ 28 ล้านพารามิเตอร์ สัญญาอนุญาต BSD 3-Clause), TabFM (ประมาณ 400 ล้านพารามิเตอร์ สัญญาอนุญาตแบบไม่ใช่เชิงพาณิชย์) และ TabPFNv3.5 (ประมาณ 220 ล้านพารามิเตอร์) ความแตกต่างด้านสัญญาอนุญาตหมายความว่าเงื่อนไขแบบไม่ใช่เชิงพาณิชย์ของ TabFM จำกัดขอบเขตการใช้งาน ในขณะที่สัญญาอนุญาตแบบเปิดกว้างของ TabICLv2 ไม่มีข้อจำกัดดังกล่าว Databricks นำเสนอการเปิดตัวนี้ในฐานะคำแนะนำเกี่ยวกับวิธีการทำงานของ TFM และควรนำไปใช้เมื่อใด มากกว่าการอ้างถึงผลการวัดประสิทธิภาพที่เพิ่มขึ้น
สร้างจากรายงาน · อัปเดต 1 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Databricks BlogTabular Foundation Models บน Databricks AI Runtime: TFM ทำงานอย่างไรและควรนำมาใช้เมื่อใด
Databricks ตรวจสอบโมเดลพื้นฐานแบบตาราง (TFM) ซึ่งเป็นทรานส์ฟอร์เมอร์ที่ผ่านการฝึกมาก่อนและทำนายบนตารางใหม่ผ่าน in-context learning โดยไม่ต้องฝึกเฉพาะงาน โดยเปรียบเทียบ TabICLv2 (~28M พารามิเตอร์, BSD 3-Clause), TabFM (~400M, สัญญาอนุญาตเชิงพาณิชย์) และ TabPFNv3.5 (~220M) และแสดงให้เห็นว่า Databricks AI Runtime รองรับการทดลองและการปรับแต่ง TFM ด้วยโครงสร้างพื้นฐาน GPU แบบจัดการได้อย่างไร
ความร้อนแรงของเหตุการณ์นี้
ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม