Nums AI 发布 Causilo：单模型在 TabArena 上排名居首

Nums AI 发布表格基础模型 Causilo

据 MarkTechPost 报道，Nums AI 发布了 Causilo，一个面向分类与回归任务的预训练表格基础模型。该模型提供 scikit-learn 风格接口，代码以 Apache-2.0 许可发布，预训练权重托管在 Hugging Face 上。据其 TabArena 提交结果，Causilo 在分类与回归两项任务上均为单模型中 Elo 最高者。官方表示，目前可用于研究与评估，支持 CUDA 或 CPU 运行；商用、生产部署及托管 API 使用需另行获得 Nums AI 的许可。

技术路线与评测背景

Causilo 采用上下文学习方式：调用 fit 不会更新预训练权重，而是把训练行存为上下文，在一次前向传播中预测查询行。据其提交说明，该模型仅使用合成数据预训练，未使用 TabArena 数据集。输入支持 NumPy 数组或 pandas DataFrame，可处理类别特征与缺失值，分类最多支持 10 个类别。网络分为特征精炼、压缩与上下文学习三个阶段，行间交互通过 4 个潜在 token 以交叉注意力完成，官方称其开销随特征数线性增长。评测方面，Nums AI 使用官方 TabArena 流程，覆盖 51 个数据集与 816 个 Full 划分；一名 TabArena 维护者复跑后得到相同的整体 Elo 1794。若把系统类条目一并计入，该复跑将 Causilo 排在 88 个条目中的第 3 位。此外，Nums AI 在 ScoringBench 上提交了 1.0.1 版本，称在 CRPS、R² 与 RMSE 上排名第一，该结果经维护者独立核验后提交。

限制与来源说明

需要注意，上述排名与 Elo 数值均来自 Nums AI 的提交及维护者复跑，属于第三方评测口径，并非独立学术结论；榜单头部模型的 Elo 置信区间存在重叠，领先幅度有限。速度与显存数据来自 Nums AI 自行复跑的 3 个模型对比，测试环境为单张 H100 80GB 与每任务 8 个 CPU 核心，不构成通用性能承诺。Causilo 需要 Python 3.10 至 3.12 与 PyTorch 2.13 或更新版本，首次 fit 会自动下载检查点。代码与权重的许可范围不同，商用与托管服务是否可用、以及各地区与账号的支持情况，请以 Nums AI 官网及仓库当前信息为准。本文信息来自 MarkTechPost 报道，相关细节尚未获官方进一步确认。