TabFM של גוגל: מודל בינה מלאכותית שמנבא נתונים בטבלאות ישר מהקופסה
TabFM הוא מודל היסוד הטבלאי של גוגל המבצע סיווג ורגרסיה על טבלאות שלא ראה מעולם, במעבר בודד קדימה, תוך שימוש בלימוד בתוך הקשר (In Context Learning) וארכיטקטורת קשב מתחלפת בין שורות ועמודות [38][36][37]. המודל אומן כולו על מאות מיליוני מערכי נתונים סינתטיים שנוצרו על ידי מודלים סיבתיים מבניים (SCMs), מה שפותר את בעיי...
פורסם על ידינערך באמצעות DeepSeek-V4-Flashהתמונות נוצרו באמצעות GPT Image 1.5
TabFM הוא מודל היסוד הטבלאי של גוגל המבצע סיווג ורגרסיה על טבלאות שלא ראה מעולם, במעבר בודד קדימה, תוך שימוש בלימוד בתוך הקשר (In Context Learning) וארכיטקטורת קשב מתחלפת בין שורות ועמודות [38][36][37].
המודל אומן כולו על מאות מיליוני מערכי נתונים סינתטיים שנוצרו על ידי מודלים סיבתיים מבניים (SCMs), מה שפותר את בעיית המחסור בנתונים טבלאיים ציבוריים לשימוש באימון בקנה מידה גדול [38][20].
TabFM Ensemble מוביל את טבלת האלופות של TabArena בסיווג ורגרסיה, ו TabFM Single מדורג במקום השני, בתחרות ישירה עם מודלי עבר כמו TabPFN v2 [5][36][37].
משקלי המודל משוחררים תחת רישיון לא מסחרי (Non Commercial), בעוד קוד השימוש והדוגמאות משוחררים תחת רישיון Apache 2.0 [39][37].
Search & fact-check with cited sources for What is Google's TabFM, how does it perform zero-shot classification and regression on tabular daTabFM uses a hybrid row-column attention architecture to perform zero-shot predictions on tabular data in a single forward pass.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What is Google's TabFM, how does it perform zero-shot classification and regression on tabular da. Article summary: Here is a comprehensive, source-backed overview of TabFM.. Topic tags: general, academic, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
ביום 1 ביולי 2026, גוגל ריסרץ' (Google Research) הציגה את TabFM, מודל יסוד טבלאי (Tabular Foundation Model) המבצע סיווג ורגרסיה ב-Zero-Shot על טבלאות שמעולם לא ראה — ללא צורך באימון, כיוונון עדין (Fine-Tuning) או הנדסת תכונות . המודל ממסגר מחדש ניבוי טבלאי כבעיית למידה בתוך הקשר (In-Context Learning): הוא קורא את כל מערך הנתונים, כולל הדוגמאות ההיסטוריות ושורת היעד, כהקשר אחד ומפיק ניבויים במעבר קדימה יחיד .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "TabFM של גוגל: מודל בינה מלאכותית שמנבא נתונים בטבלאות ישר מהקופסה"?
TabFM הוא מודל היסוד הטבלאי של גוגל המבצע סיווג ורגרסיה על טבלאות שלא ראה מעולם, במעבר בודד קדימה, תוך שימוש בלימוד בתוך הקשר (In Context Learning) וארכיטקטורת קשב מתחלפת בין שורות ועמודות [38][36][37].
What are the key points to validate first?
TabFM הוא מודל היסוד הטבלאי של גוגל המבצע סיווג ורגרסיה על טבלאות שלא ראה מעולם, במעבר בודד קדימה, תוך שימוש בלימוד בתוך הקשר (In Context Learning) וארכיטקטורת קשב מתחלפת בין שורות ועמודות [38][36][37]. המודל אומן כולו על מאות מיליוני מערכי נתונים סינתטיים שנוצרו על ידי מודלים סיבתיים מבניים (SCMs), מה שפותר את בעיית המחסור בנתונים טבלאיים ציבוריים לשימוש באימון בקנה מידה גדול [38][20].
What should I do next in practice?
TabFM Ensemble מוביל את טבלת האלופות של TabArena בסיווג ורגרסיה, ו TabFM Single מדורג במקום השני, בתחרות ישירה עם מודלי עבר כמו TabPFN v2 [5][36][37].
TabFM של גוגל: מודל בינה מלאכותית שמנבא נתונים בטבלאות ישר מהקופסה
TabFM הוא מודל היסוד הטבלאי של גוגל המבצע סיווג ורגרסיה על טבלאות שלא ראה מעולם, במעבר בודד קדימה, תוך שימוש בלימוד בתוך הקשר (In Context Learning) וארכיטקטורת קשב מתחלפת בין שורות ועמודות [38][36][37]. המודל אומן כולו על מאות מיליוני מערכי נתונים סינתטיים שנוצרו על ידי מודלים סיבתיים מבניים (SCMs), מה שפותר את בעיי...
פורסם על ידינערך באמצעות DeepSeek-V4-Flashהתמונות נוצרו באמצעות GPT Image 1.5
TabFM הוא מודל היסוד הטבלאי של גוגל המבצע סיווג ורגרסיה על טבלאות שלא ראה מעולם, במעבר בודד קדימה, תוך שימוש בלימוד בתוך הקשר (In Context Learning) וארכיטקטורת קשב מתחלפת בין שורות ועמודות [38][36][37].
המודל אומן כולו על מאות מיליוני מערכי נתונים סינתטיים שנוצרו על ידי מודלים סיבתיים מבניים (SCMs), מה שפותר את בעיית המחסור בנתונים טבלאיים ציבוריים לשימוש באימון בקנה מידה גדול [38][20].
TabFM Ensemble מוביל את טבלת האלופות של TabArena בסיווג ורגרסיה, ו TabFM Single מדורג במקום השני, בתחרות ישירה עם מודלי עבר כמו TabPFN v2 [5][36][37].
משקלי המודל משוחררים תחת רישיון לא מסחרי (Non Commercial), בעוד קוד השימוש והדוגמאות משוחררים תחת רישיון Apache 2.0 [39][37].
Search & fact-check with cited sources for What is Google's TabFM, how does it perform zero-shot classification and regression on tabular daTabFM uses a hybrid row-column attention architecture to perform zero-shot predictions on tabular data in a single forward pass.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What is Google's TabFM, how does it perform zero-shot classification and regression on tabular da. Article summary: Here is a comprehensive, source-backed overview of TabFM.. Topic tags: general, academic, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
ביום 1 ביולי 2026, גוגל ריסרץ' (Google Research) הציגה את TabFM, מודל יסוד טבלאי (Tabular Foundation Model) המבצע סיווג ורגרסיה ב-Zero-Shot על טבלאות שמעולם לא ראה — ללא צורך באימון, כיוונון עדין (Fine-Tuning) או הנדסת תכונות . המודל ממסגר מחדש ניבוי טבלאי כבעיית למידה בתוך הקשר (In-Context Learning): הוא קורא את כל מערך הנתונים, כולל הדוגמאות ההיסטוריות ושורת היעד, כהקשר אחד ומפיק ניבויים במעבר קדימה יחיד .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "TabFM של גוגל: מודל בינה מלאכותית שמנבא נתונים בטבלאות ישר מהקופסה"?
TabFM הוא מודל היסוד הטבלאי של גוגל המבצע סיווג ורגרסיה על טבלאות שלא ראה מעולם, במעבר בודד קדימה, תוך שימוש בלימוד בתוך הקשר (In Context Learning) וארכיטקטורת קשב מתחלפת בין שורות ועמודות [38][36][37].
What are the key points to validate first?
TabFM הוא מודל היסוד הטבלאי של גוגל המבצע סיווג ורגרסיה על טבלאות שלא ראה מעולם, במעבר בודד קדימה, תוך שימוש בלימוד בתוך הקשר (In Context Learning) וארכיטקטורת קשב מתחלפת בין שורות ועמודות [38][36][37]. המודל אומן כולו על מאות מיליוני מערכי נתונים סינתטיים שנוצרו על ידי מודלים סיבתיים מבניים (SCMs), מה שפותר את בעיית המחסור בנתונים טבלאיים ציבוריים לשימוש באימון בקנה מידה גדול [38][20].
What should I do next in practice?
TabFM Ensemble מוביל את טבלת האלופות של TabArena בסיווג ורגרסיה, ו TabFM Single מדורג במקום השני, בתחרות ישירה עם מודלי עבר כמו TabPFN v2 [5][36][37].
ארכיטקטורה: קשב מתחלף בין שורות ועמודות (Alternating Row-Column Attention)
TabFM משתמש בארכיטקטורת טרנספורמר עם קשב היברידי (Hybrid-Attention) המתחלף בין שורות ועמודות. בניגוד לטקסט, שהוא חד-ממדי, נתונים טבלאיים דורשים הבנה של יחסים גם בין שורות וגם בין עמודות בו-זמנית. TabFM מחליף קשב בין:
קשב על-פי עמודות (Column-Wise Attention) כדי ללכוד תלויות בין תכונות
קשב על-פי שורות (Row-Wise Attention) כדי ללכוד תלויות בין דגימות
מנגנון דו-שלבי זה בונה אמבדינגים (Embeddings) בגודל קבוע של שורות ועמודות, ומאפשר למודל להתכלל למבני טבלאות שרירותיים בזמן ההסקה (Inference) . הגישה משלבת אלמנטים ממודלי יסוד טבלאיים קודמים, כולל קשב שורה/עמודה בסגנון TabPFN ולמידה בתוך הקשר בסגנון TabICL .
אימון כולו על נתונים סינתטיים
TabFM אומן כולו על מאות מיליוני מערכי נתונים סינתטיים שנוצרו על ידי מודלים סיבתיים מבניים (Structural Causal Models - SCMs). גישה זו עוקפת את בעיות המחסור והאיכות של נתונים טבלאיים בקוד פתוח, שרבים מהם מכילים מידע רגיש או קנייני שלא ניתן להשתמש בו באופן חופשי לאימון בקנה מידה גדול . על ידי שליטה בתהליך יצירת הנתונים, גוגל הבטיחה קורפוס אימון מגוון ומפוזר היטב מבלי להסתמך על נתונים עסקיים אמיתיים .
דירוג ב-TabArena: תוצאות מתקדמות (State-of-the-Art)
TabFM אומת על TabArena, מדד חיות מדורג בשיטת Elo לשיטות ML טבלאיות, הכולל לוח תוצאות ציבורי בכתובת tabarena.ai . על פי התוצאות המדווחות של גוגל:
TabFM-Ensemble (המשתמש ב-32 ensembles יחד עם תכונות Cross-Sectional ו-SVD) משיג תוצאות מתקדמות (State-of-the-Art) ב-TabArena, ומוביל את טבלת האלופות הן במשימות סיווג והן במשימות רגרסיה .
TabFM-Single (מעבר קדימה בודד ללא Ensembling) מספק תוצאות חזקות במקום השני, תחרותיות עם או טובות יותר ממודלי יסוד טבלאיים קודמים כמו TabPFN v2 ומעצי העצמה מכוונים (Tuned Gradient-Boosted Trees) .
ציוני Elo המדויקים תלויים במצב לוח התוצאות החי, אך הנתונים של גוגל עצמה מראים את TabFM-Ensemble בראש הפאנלים של סיווג ורגרסיה . נכון לתחילת יולי 2026, מיקום המודל הבודד הטוב ביותר בלוח התוצאות של TabArena בסיווג הוחזק על ידי TabPFN-3 (Elo 1721), כאשר שיטות מבוססות Ensemble כמו AutoGluon extreme (4h) מהוות את התקרה הכוללת . הכניסה של TabFM משנה את נוף התחרות הזה.
רישוי: מודל כפול
TabFM משתמש במודל רישוי כפול (Dual-License Model):
רכיב
רישיון
מיקום
משקלי המודל
רישיון לא-מסחרי (Non-Commercial License)
Hugging Face (google/tabfm-1.0.0-pytorch)
קוד שימוש ודוגמאות
Apache 2.0
GitHub (google-research/tabfm)
משקלי המודל משוחררים תחת רישיון לא-מסחרי, זמין-מקור (Source-Available) — כלומר, הם אינם בקוד פתוח מלא על פי ההגדרה של OSI או מסגרת ארבעת השכבות של G7 מ-2026 . קוד ההסקה (Inference Code) ומחברות הדוגמה (Sample Notebooks), לעומת זאת, משתמשים ברישיון המתירני Apache 2.0 . דפוס זה משקף את הגישה של גוגל עם מודלי מחקר אחרים כמו Gemma (שעברה מאוחר יותר ל-Apache 2.0 לדורות חדשים יותר ) והוא עקבי עם האופן שבו Prior Labs משחררת משקלי מודל TabPFN תחת תנאים לא-מסחריים .
אינטגרציה עם BigQuery באמצעות AI.PREDICT
גוגל מתכננת לשלב ישירות את TabFM ב-BigQuery בשבועות שלאחר ההכרזה . משתמשי BigQuery יוכלו להריץ סיווג ורגרסיה ב-Zero-Shot באמצעות פקודת ה-SQL AI.PREDICT, לפי תבנית התחביר של פונקציות ההסקה המנוהלות הקיימות של BigQuery ML (בדומה ל-AI.FORECAST עבור TimesFM) . התחביר הצפוי הוא:
SELECT * FROM AI.PREDICT(
MODEL tabfm,
TABLE your_data
)
אינטגרציה זו תאפשר לצוותי נתונים להפעיל ניבויי TabFM ישירות ב-SQL מבלי לנהל תשתית ML נפרדת או פריסות מודל . נכון למועד ההכרזה (1 ביולי 2026), אינטגרציה זו תוארה כממשמשת ובאה אך טרם השתקפה בהערות השחרור של BigQuery . המערכת האקולוגית הקיימת של BigQuery ML כבר תומכת בהסקה מנוהלת עבור TimesFM (AI.FORECAST), מודלים מותאמים אישית (ML.PREDICT) ומודלים פתוחים של צד שלישי מ-Hugging Face ; TabFM יהיה מודל היסוד הטבלאי הראשון שיקבל קיצור דרך מובנה של AI.PREDICT.
נקודות חשובות שכדאי לזכור
הפוסט הרשמי בבלוג של Google Research פורסם ב-1 ביולי 2026, כלומר מדובר בחדשות טריות מאוד . פרטים מסוימים — המאמר האקדמי המלא, ציוני TabArena החיים המדויקים בעת השחרור ועיתוי השחרור המדויק של BigQuery — עשויים עדיין להיות בתנופה.
שום מאמר רשמי של Google Research או arXiv לא היה זמין לציבור בעת ניתוח זה. פרטים טכניים על הארכיטקטורה מגיעים מדיווח משני ומהפוסט בבלוג .
הפונקציה AI.PREDICT המתועדת כעת עבור BigQuery ML משתמשת ב-ML.PREDICT עם אובייקט מודל רשום ; ייתכן שהתחביר AI.PREDICT עבור TabFM הוא קיצור דרך מובנה חדש המקביל ל-AI.FORECAST עבור TimesFM, שטרם תועד בהערות השחרור במועד כתיבת שורות אלה.
רישיון המשקולות הלא-מסחרי של TabFM מגביל שימוש מסחרי ללא הסכם נפרד, מה שעשוי להשפיע על תוכניות האימוץ הארגוניות.
ארכיטקטורה: קשב מתחלף בין שורות ועמודות (Alternating Row-Column Attention)
TabFM משתמש בארכיטקטורת טרנספורמר עם קשב היברידי (Hybrid-Attention) המתחלף בין שורות ועמודות. בניגוד לטקסט, שהוא חד-ממדי, נתונים טבלאיים דורשים הבנה של יחסים גם בין שורות וגם בין עמודות בו-זמנית. TabFM מחליף קשב בין:
קשב על-פי עמודות (Column-Wise Attention) כדי ללכוד תלויות בין תכונות
קשב על-פי שורות (Row-Wise Attention) כדי ללכוד תלויות בין דגימות
מנגנון דו-שלבי זה בונה אמבדינגים (Embeddings) בגודל קבוע של שורות ועמודות, ומאפשר למודל להתכלל למבני טבלאות שרירותיים בזמן ההסקה (Inference) . הגישה משלבת אלמנטים ממודלי יסוד טבלאיים קודמים, כולל קשב שורה/עמודה בסגנון TabPFN ולמידה בתוך הקשר בסגנון TabICL .
אימון כולו על נתונים סינתטיים
TabFM אומן כולו על מאות מיליוני מערכי נתונים סינתטיים שנוצרו על ידי מודלים סיבתיים מבניים (Structural Causal Models - SCMs). גישה זו עוקפת את בעיות המחסור והאיכות של נתונים טבלאיים בקוד פתוח, שרבים מהם מכילים מידע רגיש או קנייני שלא ניתן להשתמש בו באופן חופשי לאימון בקנה מידה גדול . על ידי שליטה בתהליך יצירת הנתונים, גוגל הבטיחה קורפוס אימון מגוון ומפוזר היטב מבלי להסתמך על נתונים עסקיים אמיתיים .
דירוג ב-TabArena: תוצאות מתקדמות (State-of-the-Art)
TabFM אומת על TabArena, מדד חיות מדורג בשיטת Elo לשיטות ML טבלאיות, הכולל לוח תוצאות ציבורי בכתובת tabarena.ai . על פי התוצאות המדווחות של גוגל:
TabFM-Ensemble (המשתמש ב-32 ensembles יחד עם תכונות Cross-Sectional ו-SVD) משיג תוצאות מתקדמות (State-of-the-Art) ב-TabArena, ומוביל את טבלת האלופות הן במשימות סיווג והן במשימות רגרסיה .
TabFM-Single (מעבר קדימה בודד ללא Ensembling) מספק תוצאות חזקות במקום השני, תחרותיות עם או טובות יותר ממודלי יסוד טבלאיים קודמים כמו TabPFN v2 ומעצי העצמה מכוונים (Tuned Gradient-Boosted Trees) .
ציוני Elo המדויקים תלויים במצב לוח התוצאות החי, אך הנתונים של גוגל עצמה מראים את TabFM-Ensemble בראש הפאנלים של סיווג ורגרסיה . נכון לתחילת יולי 2026, מיקום המודל הבודד הטוב ביותר בלוח התוצאות של TabArena בסיווג הוחזק על ידי TabPFN-3 (Elo 1721), כאשר שיטות מבוססות Ensemble כמו AutoGluon extreme (4h) מהוות את התקרה הכוללת . הכניסה של TabFM משנה את נוף התחרות הזה.
רישוי: מודל כפול
TabFM משתמש במודל רישוי כפול (Dual-License Model):
רכיב
רישיון
מיקום
משקלי המודל
רישיון לא-מסחרי (Non-Commercial License)
Hugging Face (google/tabfm-1.0.0-pytorch)
קוד שימוש ודוגמאות
Apache 2.0
GitHub (google-research/tabfm)
משקלי המודל משוחררים תחת רישיון לא-מסחרי, זמין-מקור (Source-Available) — כלומר, הם אינם בקוד פתוח מלא על פי ההגדרה של OSI או מסגרת ארבעת השכבות של G7 מ-2026 . קוד ההסקה (Inference Code) ומחברות הדוגמה (Sample Notebooks), לעומת זאת, משתמשים ברישיון המתירני Apache 2.0 . דפוס זה משקף את הגישה של גוגל עם מודלי מחקר אחרים כמו Gemma (שעברה מאוחר יותר ל-Apache 2.0 לדורות חדשים יותר ) והוא עקבי עם האופן שבו Prior Labs משחררת משקלי מודל TabPFN תחת תנאים לא-מסחריים .
אינטגרציה עם BigQuery באמצעות AI.PREDICT
גוגל מתכננת לשלב ישירות את TabFM ב-BigQuery בשבועות שלאחר ההכרזה . משתמשי BigQuery יוכלו להריץ סיווג ורגרסיה ב-Zero-Shot באמצעות פקודת ה-SQL AI.PREDICT, לפי תבנית התחביר של פונקציות ההסקה המנוהלות הקיימות של BigQuery ML (בדומה ל-AI.FORECAST עבור TimesFM) . התחביר הצפוי הוא:
SELECT * FROM AI.PREDICT(
MODEL tabfm,
TABLE your_data
)
אינטגרציה זו תאפשר לצוותי נתונים להפעיל ניבויי TabFM ישירות ב-SQL מבלי לנהל תשתית ML נפרדת או פריסות מודל . נכון למועד ההכרזה (1 ביולי 2026), אינטגרציה זו תוארה כממשמשת ובאה אך טרם השתקפה בהערות השחרור של BigQuery . המערכת האקולוגית הקיימת של BigQuery ML כבר תומכת בהסקה מנוהלת עבור TimesFM (AI.FORECAST), מודלים מותאמים אישית (ML.PREDICT) ומודלים פתוחים של צד שלישי מ-Hugging Face ; TabFM יהיה מודל היסוד הטבלאי הראשון שיקבל קיצור דרך מובנה של AI.PREDICT.
נקודות חשובות שכדאי לזכור
הפוסט הרשמי בבלוג של Google Research פורסם ב-1 ביולי 2026, כלומר מדובר בחדשות טריות מאוד . פרטים מסוימים — המאמר האקדמי המלא, ציוני TabArena החיים המדויקים בעת השחרור ועיתוי השחרור המדויק של BigQuery — עשויים עדיין להיות בתנופה.
שום מאמר רשמי של Google Research או arXiv לא היה זמין לציבור בעת ניתוח זה. פרטים טכניים על הארכיטקטורה מגיעים מדיווח משני ומהפוסט בבלוג .
הפונקציה AI.PREDICT המתועדת כעת עבור BigQuery ML משתמשת ב-ML.PREDICT עם אובייקט מודל רשום ; ייתכן שהתחביר AI.PREDICT עבור TabFM הוא קיצור דרך מובנה חדש המקביל ל-AI.FORECAST עבור TimesFM, שטרם תועד בהערות השחרור במועד כתיבת שורות אלה.
רישיון המשקולות הלא-מסחרי של TabFM מגביל שימוש מסחרי ללא הסכם נפרד, מה שעשוי להשפיע על תוכניות האימוץ הארגוניות.
research.googleIntroducing TabFM: A zero-shot foundation model for tabular data
marktechpost.comGoogle AI Introduces TabFM: A Hybrid-Attention Tabular Foundation ...
aiweekly.coGoogle Research unveils TabFM, a zero-shot model for tables
reddit.comGoogle AI Introduces TabFM: A Hybrid-Attention Tabular Foundation ...