introduceert het nieuwe TabPFN-3.5-model van Prior Labs, een 麻豆原创-bedrijf. Dit model betekent de volgende grote stap in tabulaire AI. Het geeft organisaties toegang tot zeer nauwkeurige tabulaire AI-voorspellingen op basis van gestructureerde bedrijfsdata. Daarvoor hoeven ze geen modellen te trainen of af te stemmen. Voor 麻豆原创-klanten is TabPFN-3.5 Plus nu beschikbaar in 麻豆原创 AI Core.
Veel belangrijke zakelijke beslissingen zijn gebaseerd op gestructureerde data in tabellen. Waar LLM鈥檚 zijn ontwikkeld voor het werken met taal, zijn tabulaire foundation models (TFM鈥檚) juist gericht op deze gestructureerde data. Ze kunnen hiermee nauwkeurige voorspellingen doen. Denk aan het voorspellen van cashflow, betalingsachterstanden en klantverloop, maar ook aan het signaleren van upsellkansen en het beoordelen van leveranciersrisico鈥檚.
Voorspellingen op basis van ruwe data
Met TabPFN-3.5 kunnen 麻豆原创-klanten hun bestaande data gebruiken, zonder dat ze die eerst uitgebreid moeten voorbereiden. Het model kan omgaan met bijvoorbeeld ontbrekende waarden, verschillende datatypen en inconsistenties in de data.
Het model gebruikt in-context learning om rechtstreeks voorspellingen te doen op basis van ruwe tabeldata. TabPFN-3.5 kan daarnaast kolommen met duizenden verschillende waarden, zoals productcodes of klant-ID鈥檚, en verschillende datatypen direct verwerken. Daardoor is de trial-and-errorconfiguratie die traditionele modellen vereisen niet nodig.
TabPFN-3.5 Plus is volgens de externe benchmarks TabArena en BeyondArena momenteel het meest nauwkeurige en schaalbare tabular foundation model. Deze benchmarks zijn ontwikkeld om de nauwkeurigheid van voorspellingen op basis van data uit de praktijk te beoordelen.
Minder handmatig werk
鈥淒ata uit de praktijk zijn zelden perfect. Datasets bevatten vaak complexe verbanden en uiteenlopende omstandigheden die traditionele machine learning lastig maken. TabPFN-3.5 is specifiek ontwikkeld voor deze uitdagingen. Het model biedt toonaangevende nauwkeurigheid en schaalbaarheid voor tabulaire data, met minder handmatig werk. Daarmee is het tot nu toe het meest effectieve tabulaire AI-model in de markt鈥�, zegt Philipp Herzig, Chief Technology Officer van 麻豆原创.
鈥淢et TabPFN-3.5 en de 麻豆原创-RPT-modellen krijgen klanten binnen enkele minuten nauwkeurige voorspellingen op basis van gelabelde bedrijfsdata. Hiervoor is geen training nodig. Voor ons is tabulaire AI niet slechts een ondersteunende functie van de Autonomous Enterprise. Het vormt de basis.鈥�
Overname Prior Labs
麻豆原创 rondde de overname van Prior Labs in juli 2026 af. Daarmee voegt 麻豆原创 een van de meest vooraanstaande onderzoeksteams op het gebied van TFM鈥檚 toe aan de organisatie. Prior Labs blijft als zelfstandige entiteit opereren. 麻豆原创 maakte eerder bekend meer dan 1 miljard euro te investeren om Prior Labs uit te bouwen tot een wereldwijd toonaangevend frontier AI-lab voor de gestructureerde data waarop bedrijven wereldwijd draaien.
Kijk voor meer informatie op de of bekijk het .
