Databricks bổ sung Mô hình Nền tảng Dạng bảng vào AI Runtime
Bắt đầu từ đây
Databricks đã bổ sung hỗ trợ cho mô hình nền tảng dạng bảng (TFM) trên AI Runtime của mình, cho phép người dùng thử nghiệm và tinh chỉnh các mô hình transformer đã được huấn luyện trước để dự đoán trên bảng dữ liệu trên hạ tầng GPU được quản lý. Theo Databricks, TFM dự đoán trên các bảng mới thông qua học trong ngữ cảnh mà không cần huấn luyện riêng cho từng tác vụ. Công ty đã so sánh ba mô hình: TabICLv2 (khoảng 28M tham số, giấy phép BSD 3-Clause), TabFM (khoảng 400M tham số, giấy phép phi thương mại) và TabPFNv3.5 (khoảng 220M tham số). Sự khác biệt về giấy phép có nghĩa là các điều khoản phi thương mại của TabFM giới hạn phạm vi sử dụng, trong khi giấy phép thoáng của TabICLv2 thì không. Databricks định vị bản phát hành này như hướng dẫn về cách TFM hoạt động và khi nào nên áp dụng chúng, chứ không phải là tuyên bố về mức tăng hiệu năng đã được đo lường.
Tạo từ các bài viết · cập nhật 1 giờ trước
Dòng thời gian bài viết
Theo các bài viết để thấy sự việc từ nhiều phía.
- Databricks BlogMô hình nền tảng dạng bảng trên Databricks AI Runtime: TFMs hoạt động như thế nào và khi nào nên áp dụng
Databricks xem xét các mô hình nền tảng dạng bảng (TFM), những transformer được huấn luyện trước dự đoán trên bảng mới thông qua học trong ngữ cảnh mà không cần huấn luyện theo tác vụ cụ thể. Bài viết so sánh TabICLv2 (~28M tham số, BSD 3-Clause), TabFM (~400M, giấy phép phi thương mại) và TabPFNv3.5 (~220M), đồng thời trình bày cách Databricks AI Runtime hỗ trợ thử nghiệm và tinh chỉnh TFM với hạ tầng GPU được quản lý.
Độ nóng của sự việc này
Chưa đủ quan sát liên tục để vẽ xu hướng.