Benchmark tabellarischer Modelle: Leistung über 19 Datensätze

Wir haben 13 tabellarische Lernmodelle auf 19 realen Datensätzen mit rund 272.000 Stichproben benchmarkt, von 435 bis 48.800 Zeilen. Jedes Modell lief mit 5-facher Kreuzvalidierung auf identischen Aufteilungen. Die Ergebnisse fließen außerdem in den AIM Tabular Index ein, der sie mit den öffentlichen Bestenlisten TabArena und BeyondArena kombiniert.

Benchmark-Ergebnisse tabellarischer Lernmodelle

Jeder Datensatz ist ein Round-Robin aus direkten Vergleichen zwischen Modellen, entschieden anhand der primären Metrik. Elo fasst alle 1.398 Vergleiche zu einer einzigen Bewertung pro Modell zusammen; ein Abstand von 200 Punkten bedeutet, dass das höher bewertete Modell etwa 3 von 4 Vergleichen gewinnt. Details stehen in der Methodik.

• Kein einzelnes Modell führt. Der Signifikanztest findet keinen signifikanten Abstand unter den Top fünf: LimiX-2 (1503), Kumo-Tabular (1438), TabPFN-3.5 (1363), TabFM (1325) und Causilo (1192). Die Elo-Intervalle der Top vier überschneiden sich.
• LimiX-2 belegte auf 11 der 19 Datensätze den ersten Platz und war auf 17 unter den Top drei. Kumo-Tabular, das der Test nicht von ihm trennt, benötigt im Schnitt 7,6 Sekunden pro Fold, etwa 15x schneller.
• Bei 15 der 18 Datensätze mit einem eindeutigen Sieger ist der Vorsprung des Siegers kleiner als dessen eigene Fold-zu-Fold-Standardabweichung. LimiX-2 liegt auf den übrigen drei um mehr als das vorn: diabetes, electricity und employee_salaries.

Elo behandelt auch unvollständige Abdeckung fair: Mitra wird nur auf Vergleichen bewertet, die es bestreiten konnte, also auf den 12 Datensätzen innerhalb seiner Trainingsbegrenzung von 10.000 Zeilen¹.

• LimiX-2 führt bei diabetes mit 0.879 ROC-AUC gegenüber Kumo-Tabulars 0.844 und bei employee_salaries mit einem RMSE von 2.743 gegenüber TabPFN-3.5s 3.060.
• Bei amazon_employee_access, dessen größte kategoriale Spalte 7.518 Werte hat, erreicht LimiX-2 0.898 gegenüber 0.863 für Logistische Regression, das beste klassische Modell. Der Abstand beträgt das 3.5-Fache der Fold-Standardabweichung von LimiX-2.

Der Signifikanztest (Friedman-Test, dann Nemenyi-kritische Differenz) setzt LimiX-2, Kumo-Tabular, TabPFN-3.5, TabFM und Causilo vor alle vier klassischen Modelle, von denen keines einen Datensatz gewonnen hat. LimiX-2 und Kumo-Tabular liegen außerdem vor TabICLv2, Mitra-v2 und TabPFN 3. TabPFN-3.5s Vorsprung gegenüber TabPFN 3 überschreitet die Schwelle um 0.02 Rangpunkte, der engste signifikante Abstand im Test. Details zum Test stehen in der Methodik.

Latenz tabellarischer Modelle

• Die GPU-Preisgestaltung verwendet den On-Demand-Tarif von RunPod Community Cloud für B200 von $5,98 pro GPU-Stunde. Die klassischen Modelle liefen auf CPU (62 Kerne); jedes Foundation-Modell lief auf einer B200.
• TabFM benötigte im Schnitt 173,6 Sekunden pro Fold (Median 16.9) und LimiX-2 111.9 (Median 28.4). Bei diesem Tempo kosteten die Fold-Zeiten von TabFM für den gesamten Benchmark etwa $27 und die von LimiX-2 etwa $18; TabPFN-3.5 erledigte dieselbe Arbeit für $0,68, und LightGBM lief auf CPU.
• TabPFN-3.5 und Kumo-Tabular benötigen im Schnitt 4.3 bzw. 7,6 Sekunden pro Fold; der vollständige Lauf von Kumo-Tabular kostet $1.19. Causilo (1,4 Sekunden) und Mitra-v2 (1.5) sind die schnellsten Foundation-Modelle.
• Die Fold-Zeiten schließen den Kaltstart von TabFM aus: Sein JAX-Backend verbringt vor der ersten Vorhersage etwa 20 bis 25 Minuten mit dem Kompilieren von GPU-Kernels. Ein persistenter Kompilierungs-Cache beseitigt das bei späteren Läufen.
• LimiX-2 verbrauchte auf den größten Datensätzen etwa 124 GB GPU-Speicher. Das JAX-Backend von TabFM stößt auf B200-Hardware auf einen dokumentierten cuBLAS-Bug im Standard-CUDA-12-Stack, den JAX als Risiko stiller Datenkorruption meldet; der CUDA-13-Stack vermeidet ihn.
• TabFM verarbeitet die Trainingsdaten bei jedem Vorhersage-Batch erneut als Kontext, sodass wiederholtes Scoring auf großen Daten die Kosten erhöht. Ein trainiertes XGBoost-Modell sagt in Mikrosekunden voraus.

Ergebnisse nach Datensatzgröße und Merkmalstyp

• Kleine Datensätze (1.000 Zeilen oder weniger): Foundation-Modelle belegen auf numerischen ebenso wie auf hybriden (numerisch plus kategorial) Daten die ersten neun Plätze. LimiX-2 führt auf numerischen Daten (durchschnittliche ROC-AUC 93,7 %). Die logistische Regression hält auf numerischen Daten mit (91,2 %) und bricht auf hybriden Daten ein (77,5 %).
• Mittlere Datensätze (1.001 bis 10.000 Zeilen): Foundation-Modelle führen bei beiden Merkmalstypen. Der Abstand bei hybriden Daten ist groß: LimiX-2 erreicht eine durchschnittliche ROC-AUC von 85,5 % gegenüber 83,4 % für das beste klassische Modell, CatBoost.
• Große Datensätze (über 10.000 Zeilen): Das alte Muster „Boosting holt bei zunehmender Größe auf“ ist verschwunden. Auf großen numerischen Daten erreichen LimiX-2, Kumo-Tabular und TabPFN-3.5 im Schnitt 99,6 % gegenüber XGBoosts 97,0 %. Auf großen hybriden Daten führen LimiX-2 und TabPFN-3.5 mit 89,2 % gegenüber LightGBMs 87,6 %.
• Mitra-v2 erreicht auf großen numerischen Daten im Schnitt 95,6 % und liegt damit unter XGBoost. Dieser Größenbereich enthält mit electricity einen binären Datensatz, bei dem Mitra-v2 aus einem begrenzten Kontext vorhersagt.

Durchschnittlicher Rang nach Regime

Die Rangbetrachtung zeigt zwei Dinge, die ROC-AUC-Durchschnitte verbergen.

• LimiX-2 hält in fünf von sechs Regimen den besten Durchschnittsrang und liegt auf mittleren numerischen Daten gleichauf mit TabFM. Auf kleinen hybriden Daten liegt sein invertierter Rang von 9.5 auf Platz vier, hinter Kumo-Tabular (11.5), TabFM (10.0) und TabPFN-3.5 (9.8).
• Jedes Foundation-Modell außer Mitra übertrifft in allen sechs Regimen jedes klassische Modell.

Modellsiege nach Regime

LimiX-2 holt Siegpunkte in allen sechs Regimen und insgesamt 11.1 der 19 Punkte. TabFM punktet in drei Regimen, Kumo-Tabular und TabPFN-3.5 in zwei. Die klassischen Modelle erzielen keine Punkte. Das Acht-Wege-Unentschieden bei monks-problems-2 teilt einen Punkt auf acht Wege, sodass die meisten Foundation-Modelle auf kleinen hybriden Daten 0.1 zeigen.

Modellspezifische Beobachtungen

LimiX-2 (StableAI)

LimiX-2 hat den besten mittleren Rang (2.16) und 11 alleinige Siege. Es hat außerdem die zweithöchsten Rechenkosten, mit 111,9 Sekunden pro Fold und etwa 124 GB GPU-Speicher auf den größten Datensätzen².

Kumo-Tabular (NVIDIA)

Kumo-Tabular hat den zweitbesten mittleren Rang (2.63) bei 7,6 Sekunden pro Fold, und der Signifikanztest trennt es nicht von LimiX-2³. Es landete auf 16 von 19 Datensätzen unter den Top drei.

TabPFN-3.5 (Prior Labs)

TabPFN-3.5 hat den drittbesten mittleren Rang (3.26) bei 4,3 Sekunden pro Fold, gegenüber TabPFN 3s 4.2. Sein Rangvorsprung vor TabPFN 3 ist mit dem engsten Abstand im Test signifikant. SAP gab im Mai 2026 die Übernahme von Prior Labs bekannt⁴, was für Unternehmenskäufer bei der Bewertung der Anbieterstabilität relevant ist.

TabFM (Google Research)

TabFM hat den viertbesten mittleren Rang (3.53) und wurde auf drei Datensätzen Erster⁵. Seine Fold-Zeiten sind etwa 40x TabPFN 3s, der erste Lauf kompiliert über 20 Minuten, und es ist auf 10 Klassen beschränkt und für bis zu 500 Merkmale optimiert.

Causilo (Nums KI)

Causilo hat den fünftbesten mittleren Rang (4.89) bei 1,4 Sekunden pro Fold und ist das schnellste Foundation-Modell im Benchmark⁶. Keines der vier Modelle darüber liegt signifikant vor ihm.

TabICLv2 (Inria SODA)

TabICLv2 hat den sechstbesten mittleren Rang (6.58) bei 3,1 Sekunden pro Fold⁷. Es ergänzt Regressionsunterstützung, die dem ursprünglichen TabICL fehlte, und absolvierte alle 19 Datensätze.

TabPFN 3 (Prior Labs)

TabPFN 3 hat den achtbesten mittleren Rang (7.11) und absolvierte alle 19 Datensätze in 6.6 GPU-Minuten⁸.

Mitra-v2 (Amazon)

Mitra-v2 hat den siebtbesten mittleren Rang (7.00) bei 1,5 Sekunden pro Fold⁹. Es entfernt die Begrenzung von Mitra auf 10.000 Zeilen und absolvierte alle 19 Datensätze, aber auf fünf großen binären Datensätzen sagt es aus einer Stichprobe von höchstens 16.384 Trainingszeilen voraus.

Mitra (Amazon, via AutoGluon)

Ein Spezialist für kleine Daten nach Design: Eine harte Trainingsbegrenzung von 10.000 Zeilen macht es auf 7 von 19 Datensätzen zu N/A. Auf seinen 12 Datensätzen erreicht es einen mittleren Rang von 9.12 unter den 13 Modellen. Mitra-v2 entfernt die Begrenzung und liegt im Rang höher.

Gradient Boosting: LightGBM, CatBoost, XGBoost

Gradient-geboostete Bäume führen in keinem Regime mehr bei der Genauigkeit. LightGBM war das beste klassische Modell (mittlerer Rang 9.74). CatBoost war auf mittleren hybriden Daten das beste klassische Modell. XGBoost landete beim mittleren Rang auf dem letzten Platz (10.79) und zeigte eine nennenswerte Schwäche: Bei nativen kategorialen Splits auf der hochkardinalen employee_salaries-Regression erreichte es einen RMSE von 10.894, während LightGBM auf identischen Eingaben 4.367 erreichte. Das ist ein Ergebnis auf einem einzelnen Datensatz, aber eine Prüfung wert, bevor man sich auf den kategorialen Modus von XGBoost verlässt.

Das Argument für geboostete Bäume ist 2026 operativ: Training unter einer Sekunde, Inferenz in Mikrosekunden, keine GPU, keine Zeilenbegrenzungen, ausgereiftes Tooling.

Logistische Regression

Logistic regression hat einen mittleren Rang von 10.53, schlägt aber auf amazon_employee_access jeden gradient-geboosteten Baum, TabPFN 3 und TabICLv2. Sparse One-Hot plus ein lineares Modell bleibt eine starke, nahezu kostenlos Baseline auf hochkardinalen kategorialen Daten. Behalten Sie es in jedem Benchmark.

Wichtigste Erkenntnisse

Fünf Foundation-Modelle (LimiX-2, Kumo-Tabular, TabPFN-3.5, TabFM und Causilo) schlagen alle vier klassischen Modelle mit statistischer Signifikanz über die 19 Datensätze, und Foundation-Modelle führen in jedem Größen- und Merkmalsregime. Das gilt nur, wenn jedes Modell die kategorialen Eingaben erhält, für die es entwickelt wurde; One-Hot-Encoding bei In-Context-Modellen lähmt diese auf hochkardinalen Daten.

Der Signifikanztest trennt LimiX-2, Kumo-Tabular, TabPFN-3.5, TabFM und Causilo nicht. Ihre Fold-Zeiten reichen von 1,4 Sekunden (Causilo) bis 173,6 Sekunden (TabFM).

Von diesen fünf erlaubt nur die Lizenz von Kumo-Tabular die kommerzielle Nutzung des Modells und seiner Ergebnisse ohne separate Vereinbarung.

Zero-Shot bedeutet null Training, nicht null Rechenaufwand. Bewerten Sie das Vorhersagevolumen Ihrer Workloads, bevor Sie TabFM oder LimiX-2 wählen.

Was sind tabellarische Foundation-Modelle?

Traditionelle tabellarische Modelle trainieren von Grund auf jedem Datensatz. Tabellarische Foundation-Modelle (TFMs) werden einmalig auf großen Sammlungen tabellarischer Probleme – meist synthetisch – vortrainiert und passen sich zur Inferenzzeit an neue Datensätze an: Die Trainingszeilen gehen als Kontext ein, und Vorhersagen kommen aus einem Vorwärtsdurchlauf. Kein Gradiententraining, kein Hyperparameter-Tuning.

TabPFN formuliert tabellarisches Lernen als amortisierte Bayes’sche Inferenz neu: Ein auf Millionen synthetischer Aufgaben vortrainierter Transformer konditioniert auf den beobachteten Datensatz, um Vorhersagen zu erzeugen⁸. TabPFN 3 ist für bis zu 1.000.000 Zeilen und 2.000 Merkmale ausgelegt, mit nativer kategorialer Verarbeitung.

TabICL erweitert In-Context-Learning auf Tabellen: Zeilen werden zu strukturierten Tokens, und das Modell leitet Entscheidungsregeln aus Kontextbeispielen ab¹⁰. TabICLv2 ergänzte im Februar 2026 Regressionsunterstützung.

TabFM kombiniert die beiden Ansätze: abwechselnde Zeilen- und Spalten-Attention über rohe Zellen, Verdichtung jeder Zeile zu einem dichten Vektor und anschließend ein In-Context-Transformer über die verdichteten Zeilen. Es wurde auf Hunderten Millionen synthetischer Datensätze trainiert, die aus strukturellen Kausalmodellen erzeugt wurden.

Mitra folgt der TabPFN-Linie innerhalb von AutoGluon und ist auf kleine Daten abgestimmt.

LimiX-2, Kumo-Tabular, TabPFN-3.5, Causilo und Mitra-v2 arbeiten in diesem Benchmark auf dieselbe Weise: Jedes sagt aus den Trainingszeilen als Kontext voraus, ohne Gradiententraining auf dem Datensatz.

Verpassen Sie nicht unsere Benchmarks und datengestützten Erkenntnisse. Die Schaltfläche öffnet Google; die Auswahl von AIMultiple bestätigt, dass Sie AIMultiple häufiger in den Google-Suchergebnissen sehen möchten.

Als bevorzugte Quelle hinzufügen

Methodik des Benchmarks für tabellarische Modelle

Modelle (13): LogisticRegression (Ridge-Regression auf den drei Regressionsdatensätzen), XGBoost, LightGBM, CatBoost, TabPFN 3, TabICLv2, TabFM, Mitra, LimiX-2, Kumo-Tabular, TabPFN-3.5, Causilo, Mitra-v2.

Datensätze (19, OpenML): 15 binäre Klassifikation, 1 Multiklassen, 3 Regression; 435 bis 48.800 Zeilen; numerische oder hybride (numerisch plus kategorial) Merkmale. Bekannte Leakage-Spalten wurden entfernt.

Evaluierung: 5-fache stratifizierte Kreuzvalidierung (einfache CV für Regression), Seed 42, identische Aufteilungen für jedes Modell. Primäre Metriken: ROC-AUC (binär), Macro-F1 (Multiklassen), RMSE (Regression). Standard-Hyperparameter, kein Tuning. Das bevorzugt tuning-free Modelle: Ein getuntes XGBoost-Modell würde besser abschneiden, und Tuning-Budgets sind selbst Kosten, die wir nicht modelliert haben.

Konfiguration: die festen Benchmark-Einstellungen für die klassischen Modelle, TabPFN 3, TabICLv2, TabFM und Mitra; für LimiX-2, Kumo-Tabular, TabPFN-3.5, Causilo und Mitra-v2 die Standardkonfiguration in TabArena, einer öffentlichen Bestenliste für tabellarische Modelle. Kein Modell wird feinabgestimmt. TabArenas Standard für Mitra-v2 nimmt auf jedem Trainings-Fold ein Fine-Tuning über 50 Schritte vor; hier läuft Mitra-v2 ohne dieses.

Kategoriale Verarbeitung, je nach Modelldesign: nativer Kategorie-Datentyp für CatBoost, XGBoost, LightGBM, Causilo und Mitra-v2; rohe Merkmale mit kategorialen Indizes für TabPFN 3, TabPFN-3.5 und TabFM; rohe Textspalten für LimiX-2; Spaltentypen, vom Modell inferiert, für Kumo-Tabular; ordinales Encoding für TabICLv2; One-Hot plus StandardScaler nur für Logistische Regression. Kein Modell, das native Kategorien unterstützt, wird durch One-Hot gezwungen. Der Kompromiss: Die Zellen unterscheiden sich designbedingt in der Eingabedarstellung. Eine einzige Darstellung für alle Modelle zu erzwingen wirkt fairer, bestraft aber die Modelle, die für eine andere Eingabe gebaut wurden.

Umgebung: ein RunPod-Pod mit 2x NVIDIA B200 (183 GB), Treiber 580, Ubuntu 24.04. Klassische Modelle auf CPU (62 Kerne), jedes Foundation-Modell auf einer B200. PyTorch 2.8.0 cu128 für TabPFN 3, TabICLv2 und Mitra; JAX 0.10.1 mit CUDA-13-Wheels für TabFM. LimiX-2, Kumo-Tabular, TabPFN-3.5, Causilo und Mitra-v2 liefen auf RunPod-Pods mit einfacher B200 (Treiber 595, CUDA 13.2), jeweils ein Modell pro GPU, jedes in seiner eigenen Python-Umgebung.

Latenz: Wall-Time für Fit plus Vorhersage pro Fold, aufgezeichnet im Harness. Die einmalige Kompilierung von TabFM ist von den Fold-Zeiten ausgeschlossen und wird separat ausgewiesen.

N/A-Richtlinie: Eine Zelle ist nur bei einer dokumentierten Modelllimitierung N/A, wobei der Grund in den Logs festgehalten wird. Die einzigen N/A-Einträge in den finalen Daten sind die 7 Datensätze von Mitra oberhalb seiner 10.000-Zeilen-Begrenzung.

Mitra-v2-Kontextbegrenzung: Auf binären Datensätzen mit mehr als 16.384 Trainingszeilen (adult, amazon_employee_access, bank-marketing-full, default_credit, electricity) sagt Mitra-v2 aus einer klassenbalancierten Stichprobe von 16.384 Trainingszeilen voraus, die für jeden Batch von 16.384 Testzeilen neu gezogen wird. Das ist TabArenas Standard. Für Multiklassen und Regression liegt die Begrenzung bei 32.768 Zeilen, die hier kein Datensatz überschreitet.

Rangmetriken: Innerhalb jedes Datensatzes werden die Modelle anhand der primären Metrik von 1 (am besten) bis k eingestuft; der mittlere Rang eines Modells mittelt diese über die Datensätze, die es absolviert hat. Das Regime-Diagramm zeigt den invertierten Rang, k + 1 minus Rang, sodass höher besser ist und 13 den ersten Platz unter 13 bedeutet. Siegpunkte geben den einzelnen Punkt jedes Datensatzes an die beste Bewertung; exakte Gleichstände teilen ihn gleichmäßig, sodass ein Acht-Wege-Gleichstand jeweils 0.125 auszahlt.

Statistik: Friedman-Test plus Nemenyi-kritische Differenz über die 12 Modelle mit vollständiger Abdeckung. Mitra ist ausgeschlossen, weil es 12 von 19 Datensätzen absolvierte; eine Einbeziehung würde den Test auf diese 12 beschränken. Die in den Modellabschnitten genannten mittleren Ränge stammen aus diesem Test mit 12 Modellen; der von Mitra wird über alle 13 Modelle auf seinen 12 Datensätzen berechnet.

Der Friedman-Test ergibt Chi-Quadrat 165.8, p unter 10^-29. Die kritische Differenz ist CD = q × sqrt(k(k+1) / (6N)), mit q = 3.268 bei alpha 0.05 für k = 12 Modelle und N = 19 Datensätze, was CD = 3.82 ergibt: Zwei Modelle unterscheiden sich nur dann signifikant, wenn ihre mittleren Ränge mehr als 3.82 auseinanderliegen. Die Top vier reichen von 2.16 (LimiX-2) bis 3.53 (TabFM), sodass kein Abstand unter ihnen die Schwelle überschreitet. Der Abstand von LimiX-2 zu TabICLv2 beträgt 4.42; der Abstand von TabPFN-3.5 zu TabPFN 3 beträgt 3.84. Mittlere Rang-Konfidenzintervalle stammen aus einem Bootstrap mit 10.000 Stichproben über Datensätze.

Elo-Bewertungen: Jeder Datensatz ist ein Round-Robin zwischen allen Modellen, die ihn absolviert haben, insgesamt 1.398 paarweise Vergleiche. Das Modell mit der besseren primären Metrik gewinnt einen Vergleich (Wertung 1); exakte Gleichstände erhalten jeweils 0.5.

Die Formeln verwenden vier Größen. R(A) ist die aktuelle Bewertung von Modell A, die im Diagramm ausgewiesene Zahl; jedes Modell startet bei R = 1000. S(A) ist die tatsächliche Wertung, die Modell A aus einem Vergleich geholt hat: 1 für einen Sieg, 0.5 für ein Unentschieden, 0 für eine Niederlage. E(A) ist die erwartete Wertung, die Gewinnwahrscheinlichkeit, die aktuellen Bewertungen für A vor dem Vergleich vorhersagen. K = 32 ist der Update-Schritt, der begrenzt, wie stark ein Vergleich eine Bewertung verschieben kann.

Vor einem Vergleich zwischen Modell A und B ist die erwartete Wertung E(A) = 1 / (1 + 10^((R(B) − R(A)) / 400)): Bei gleichen Bewertungen ergibt das 0.5, und es nähert sich 1, wenn sich die Bewertung von A absetzt. Nach dem Vergleich aktualisiert sich die Bewertung durch R(A) = R(A) + K × (S(A) − E(A)), also gewinnt A, wenn es besser als erwartet abschneidet, und verliert Punkte, wenn es schlechter abschneidet; ein Überraschungssieg gegen ein höher bewertetes Modell zahlt mehr als ein routinemäßiger Sieg gegen ein schwächeres. Das Update ist ein Nullsummenspiel, der Durchschnitt des Pools bleibt bei 1000, und eine Bewertung nahe 1000, wie Mitra-v2s 977, liest sich als durchschnittliches Modell in diesem Feld. Der Divisor 400 bestimmt die Skala: Bei einem Abstand von 200 Punkten ist die erwartete Wertung 1 / (1 + 10^(−0.5)) = 0.76, wodurch „gewinnt etwa 3 von 4 Vergleichen“ zustande kommt.

Ein einzelner Elo-Durchlauf hängt von der Reihenfolge der Vergleiche ab, und die 19 Datensätze sind selbst eine Stichprobe. Wir führen daher 1.000 Bootstrap-Runden durch; jede Runde zieht die 19 Datensätze mit Zurücklegen neu, baut die Vergleichsliste neu auf, mischt die Vergleichsreihenfolge und führt Elo von Grund auf aus. Die veröffentlichte Bewertung ist der Mittelwert über die Runden, und die 95 %-Intervalle sind das 2.5te und 97.5te Perzentil, die sowohl die Datensatzstichprobe als auch das Reihenfolgerauschen abdecken. Elo ist die Zusammenfassungsvisualisierung; der Friedman- und Nemenyi-Test bleibt der Signifikanz-Schiedsrichter.

Reproduzierbarkeit: feste Seed 42, identische Aufteilungen, Ergebnisse pro Fold sowie alle Merge-, Statistik- und Elo-Skripte im Benchmark-Repository.

Zitieren Sie diesen Benchmark

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

@misc{kalelioglu2026,
  author = {Kalelioğlu, Berk and Dilmegani, Cem},
  title  = {{Benchmark tabellarischer Modelle: Leistung über 19 Datensätze}},
  year   = {2026},
  month  = oct,
  howpublished    = {\url{https://aimultiple.com/tabular-models}},
  note   = {AIMultiple. Abgerufen am 12. Oktober 2026}
}

Änderungsprotokoll

3 Aktualisierungen

Alle3Allgemein2Methodik1

2026

1. 3. Jul

   TabFM zum Benchmark hinzugefügt, führend in jedem Datensatzregime.

2. 19. Mai

   TabPFN in den Benchmark-Ergebnissen, Rankings und Modellgrenzen durch TabPFN 3 ersetzt.

3. 19. Mai

   TabPFN in der Liste der getesteten Modelle durch TabPFN 3 ersetzt.

Referenzlinks

1.

AutoGluon Tabular - Foundational Models - AutoGluon 1.6.1 documentation

2.

[2609.17488] LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence

3.

GitHub - NVIDIA/structured-data-models: Foundation Models for Structured Data · GitHub

4.

SAP to Acquire Prior Labs | SAP News Center

SAP

5.

Introducing TabFM: A zero-shot foundation model for tabular data

6.

[2609.22866] Causilo Technical Report

7.

[2602.11139] TabICLv2: A better, faster, scalable, and open tabular foundation model

8.

[2207.01848] TabPFN: A Transformer That Solves Small Tabular Classification Problems in a Second

9.

[2609.04540] Mitra-v2 Technical Report

10.

[2502.05564] TabICL: A Tabular Foundation Model for In-Context Learning on Large Data

Berk Kalelioğlu

KI-Forscher

Folgen auf

Berk ist KI-Forscher im Benchmark-Team von AIMultiple und konzentriert sich auf agentische KI, maschinelles Lernen sowie große und kleine Sprachmodelle (LLMs und SLMs).

Vollständiges Profil anzeigen

Recherchiert von

Cem Dilmegani

Leitender Analyst

Folgen auf

Cem ist seit 2017 leitender Analyst bei AIMultiple.

Cems Arbeit bei AIMultiple wurde von führenden globalen Publikationen wie Business Insider, Forbes, Morning Brew und Washington Post, von globalen Unternehmen wie Deloitte und HPE, von NGOs wie dem World Economic Forum und von supranationalen Organisationen wie der European Commission zitiert. [1], [2], [3], [4], [5]

Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen bei ihren Technologieentscheidungen bei McKinsey & Company und Altman Solon über mehr als ein Jahrzehnt. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung.

Er leitete Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Außerdem verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von 0 einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.

Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er absolvierte die Bogazici University als Computeringenieur und hat einen MBA von der Columbia Business School.

Vollständiges Profil anzeigen

Seien Sie der Erste, der kommentiert

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten