Amazon prezentuje Mitra-v2 do prognozowania danych tabelarycznych
W skrócie: Amazon wprowadził Mitra-v2, podstawowy model dla danych tabelarycznych trenowany w całości na danych syntetycznych. Ta wersja przewyższa poprzednika dzięki przeskalowaniu danych treningowych oraz wprowadzeniu hybrydowego modelu przyczynowego (SCM), który lepiej odwzorowuje rzeczywiste relacje w danych.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „Amazon Science”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Większy zakres danych treningowych: 10x więcej wierszy i 3x więcej kolumn niż w Mitra-v1.
- 2Nowy hybrydowy priorytet SCM łączący sieci neuronowe, drzewa decyzyjne, procesy Gaussa i mechanizmy autoregresyjne.
- 3Wsparcie dla klasyfikacji hierarchicznej w zadaniach z więcej niż 10 klasami.
- 4Wrapper wykorzystujący rozkład według wartości osobliwych (SVD) do obsługi bardzo szerokich tabel.
| Parametr | Było | Jest |
|---|---|---|
| Wiersze trenowania | Skala Mitra-v1 | 10x Mitra-v1 |
| Kolumny trenowania | Skala Mitra-v1 | 3x Mitra-v1 |
Dlaczego to ważne?
Mitra-v2 eliminuje potrzebę budowania osobnych potoków gradientowych dla każdej nowej tabeli, umożliwiając szybkie prognozowanie na nieznanych wcześniej danych strukturalnych. Model zajmuje pierwsze miejsce w kategorii pojedynczych modeli w benchmarku TabArena.
Co to oznacza dla agentów AI i contact center?
Jeśli Twoja firma buduje systemy wymagające automatycznych wglądów z interakcji klientów lub logów operacyjnych przechowywanych w tabelach, Mitra-v2 oferuje podejście typu zero-shot/few-shot, które może zredukować złożoność procesów przetwarzania danych. Przetestuj go w porównaniu z obecnymi modelami pod kątem przewidywania wyników, zwracając szczególną uwagę na balans między czasem obliczeń a dokładnością.
🧪 Warte przetestowania
Oferuje wysoce efektywny sposób na prognozowanie danych strukturalnych bez konieczności trenowania oddzielnych modeli dla każdego nowego zestawu danych.
Źródła
- Amazon ScienceOficjalneŹródło pierwotneOryginalny artykuł →„Mitra-v2: Scaling synthetic pretraining for tabular foundation models“10 lis 2026, 17:37
- Data publikacji źródła
- 10 lis 2026, 17:37
- Znalezione przez nasz system
- 10 lis 2026, 17:54
- Podsumowanie wygenerowano
- 10 lis 2026, 23:28
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność