उत्तरप्रकाशित16 स्रोत
LimiX-2: एक मॉडल, कई डेटा कार्य—पर बेंचमार्क की जीत का मतलब क्या है?
Stable AI और शिंघुआ विश्वविद्यालय की टीम का LimiX 2 लगभग 40 करोड़ पैरामीटर वाला स्ट्रक्चर्ड डेटा मॉडल है। इसके वेट और अनुमान चलाने का कोड 16 सितंबर 2026 को जारी किए गए थे। एक ही पूर्व प्रशिक्षित मॉडल वर्गीकरण, संख्यात्मक मान की भविष्यवाणी और गायब मान भर सकता है। शोधकर्ताओं ने चर के बीच संभावित संबंध पहचानने की क्षमत...
प्रकाशितकर्ताGPT-6 Sol से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- Stable AI और शिंघुआ विश्वविद्यालय की टीम का LimiX 2 लगभग 40 करोड़ पैरामीटर वाला स्ट्रक्चर्ड डेटा मॉडल है। इसके वेट और अनुमान चलाने का कोड 16 सितंबर 2026 को जारी किए गए थे।
- एक ही पूर्व प्रशिक्षित मॉडल वर्गीकरण, संख्यात्मक मान की भविष्यवाणी और गायब मान भर सकता है। शोधकर्ताओं ने चर के बीच संभावित संबंध पहचानने की क्षमता भी रिपोर्ट की है, लेकिन यह कारण और प्रभाव का प्रमाण नहीं है।
- तीन बेंचमार्क पर रिपोर्ट किए गए Elo स्कोर मजबूत हैं। फिर भी, गैर व्यावसायिक लाइसेंस और अपने डेटा पर परीक्षण किए बिना इसे मौजूदा AutoML पाइपलाइन का विकल्प नहीं मानना चाहिए।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What is LimiX-2, the 400-million-parameter structured-data foundation model released by Stable AI and Tsinghua University professor Peng Cui. Article summary: LimiX-2 is a 400-million-parameter foundation model for structured data from Stable AI and Peng Cui’s Tsinghua University group. It aims to use one pretrained model for classification, regression, missing-value imputatio. Topic tags: general, general web, user generated, academic. 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, char
किसी टेबल में यह अनुमान लगाना हो कि कोई रिकॉर्ड किस श्रेणी में आता है, किसी संख्यात्मक मान की भविष्यवाणी करनी हो या खाली कोशिकाओं के लिए मान निकालने हों—आम तौर पर इन कामों के लिए अलग मॉडल तैयार किए जाते हैं। LimiX-2 का प्रस्ताव है कि एक पूर्व-प्रशिक्षित मॉडल इन तीनों कामों में इस्तेमाल हो सके। इसे Stable AI और प्रोफेसर पेंग कुई से जुड़ी शिंघुआ विश्वविद्यालय की टीम ने विकसित किया है। मॉडल में लगभग 40 करोड़ पैरामीटर हैं। परियोजना के अनुसार, इसके वेट और अनुमान चलाने का कोड 16 सितंबर 2026 को जारी हुआ था; 17 सितंबर की तारीख बाद की शोधपत्र सूची में दिखती है। 3
8
12
एक ही मॉडल अलग-अलग काम कैसे करता है?
LimiX-2 का Contextual Mechanism Network (CMN) संदर्भ के तौर पर दिए गए डेटा में अलग-अलग चरों के बीच संबंधों को मॉडल करता है। प्रशिक्षण में इस्तेमाल होने वाली Context-Conditional Masked Modeling (CCMM) विधि कुछ मान छिपाती है और मॉडल से बाकी उपलब्ध मानों के आधार पर उन्हें निकालने को कहती है। कौन-सा मान छिपाया गया है, इसे बदलकर इसी तरीके को किसी लक्ष्य की भविष्यवाणी या टेबल में गायब मान भरने के लिए इस्तेमाल किया जा सकता है। प्रशिक्षण के लिए संरचनात्मक कारणात्मक मॉडलों से बनाए गए कृत्रिम डेटासेट भी उपयोग किए गए, जिनमें अलग-अलग संबंध संरचनाएँ और प्रक्रियाएँ शामिल थीं। 2
3
परियोजना के अनुसार, वर्गीकरण, संख्यात्मक मान की भविष्यवाणी और गायब मान भरने के लिए हर कार्य के हिसाब से मॉडल के पैरामीटर दोबारा अपडेट करने की ज़रूरत नहीं पड़ती। शोधकर्ताओं ने causal skeleton recovery भी रिपोर्ट की है—यानी चरों के बीच संभावित कड़ियाँ पहचानना। लेकिन ऐसी कड़ियाँ अपने-आप यह नहीं बतातीं कि प्रभाव किस दिशा में जाता है या किसी चर को बदलने से वास्तविक दुनिया में क्या असर होगा। 3
19
बेंचमार्क के अंक क्या बताते हैं—और क्या नहीं?
शोधकर्ताओं के मूल्यांकन में LimiX-2 को TabArena पर 1,935 Elo, BCCO पर 1,432 Elo और TALENT पर 1,506 Elo मिले। उनकी रिपोर्ट के मुताबिक, तीनों बेंचमार्क पर इसने तुलना में शामिल टेबल-डेटा फाउंडेशन मॉडलों और AutoGluon 1.6 से बेहतर प्रदर्शन किया। TabArena पर इसका स्कोर, पूर्णांक में बदलने से पहले, दूसरे स्थान के TabFM+ से 117.4 Elo अंक अधिक था। 16
Elo अंक सटीकता का प्रतिशत नहीं हैं। वे इन बेंचमार्क में तुलनात्मक प्रदर्शन दिखाते हैं, हर नए डेटासेट पर निश्चित बढ़त नहीं। इसलिए नतीजे LimiX-2 को मौजूदा AutoML व्यवस्था के मुकाबले आज़माने की वजह देते हैं—उसे बिना परीक्षण हटाने की नहीं। 16
इस्तेमाल से पहले टीमों की जाँच-सूची
सबसे पहले लाइसेंस देखें। वेट और अनुमान चलाने का कोड उपलब्ध होने के बावजूद परियोजना सामग्री में गैर-व्यावसायिक लाइसेंस निर्दिष्ट है। ‘ओपन वेट’ का अर्थ व्यावसायिक इस्तेमाल की स्वतः अनुमति नहीं है। 3
अगर प्रस्तावित उपयोग लाइसेंस के तहत अनुमत है, तो अपने काम का प्रतिनिधित्व करने वाले अलग रखे गए डेटा पर LimiX-2 और मौजूदा पाइपलाइन की तुलना करें। जहाँ ज़रूरी हो, परीक्षण में समय-क्रम या समूहों की सीमाएँ बनाए रखें। सिर्फ बेंचमार्क रैंक नहीं, बल्कि भविष्यवाणी की गुणवत्ता, भरोसे के स्तर का वास्तविक नतीजों से मेल, गायब डेटा पर व्यवहार, अनुमान चलाने की लागत, मेमोरी और संचालन संबंधी ज़रूरतें भी जाँचें। भरे गए मानों को अनुमान और पहचानी गई कारणात्मक कड़ियों को विषय-विशेषज्ञों की समीक्षा के लिए परिकल्पना मानें। रिपोर्ट किए गए नतीजे एक पायलट परीक्षण का मजबूत आधार हैं; समर्पित AutoML व्यवस्था को बदलने का फैसला अपने डेटा और इस्तेमाल की परिस्थितियों पर निर्भर करेगा। 3
16
19
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"LimiX-2: एक मॉडल, कई डेटा कार्य—पर बेंचमार्क की जीत का मतलब क्या है?" का संक्षिप्त उत्तर क्या है?
Stable AI और शिंघुआ विश्वविद्यालय की टीम का LimiX 2 लगभग 40 करोड़ पैरामीटर वाला स्ट्रक्चर्ड डेटा मॉडल है। इसके वेट और अनुमान चलाने का कोड 16 सितंबर 2026 को जारी किए गए थे।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
Stable AI और शिंघुआ विश्वविद्यालय की टीम का LimiX 2 लगभग 40 करोड़ पैरामीटर वाला स्ट्रक्चर्ड डेटा मॉडल है। इसके वेट और अनुमान चलाने का कोड 16 सितंबर 2026 को जारी किए गए थे। एक ही पूर्व प्रशिक्षित मॉडल वर्गीकरण, संख्यात्मक मान की भविष्यवाणी और गायब मान भर सकता है। शोधकर्ताओं ने चर के बीच संभावित संबंध पहचानने की क्षमता भी रिपोर्ट की है, लेकिन यह कारण और प्रभाव का प्रमाण नहीं है।
मुझे अभ्यास में आगे क्या करना चाहिए?
तीन बेंचमार्क पर रिपोर्ट किए गए Elo स्कोर मजबूत हैं। फिर भी, गैर व्यावसायिक लाइसेंस और अपने डेटा पर परीक्षण किए बिना इसे मौजूदा AutoML पाइपलाइन का विकल्प नहीं मानना चाहिए।