Brikz Labs · Demo 05 · Tabular Foundation Model
TabICLv2 e TabPFN-2.5 são foundation models tabulares com licença aberta. Recebem features de um candidato e devolvem predição sem fine-tuning, via aprendizado em contexto. Esta demo simula o comportamento qualitativo do TabICLv2 sobre um prior sintético de mil cedentes. Ajuste features do candidato e observe a predição, a classificação operacional e os cedentes mais próximos no prior.
Features do candidato cedente
Probabilidade de default em 12 meses
—
Classificação operacional
—
recomendação ao gestor
Cedentes mais próximos no prior sintético
A predição zero-shot é uma média ponderada destes vizinhos. É o equivalente intuitivo do aprendizado em contexto do TabICLv2.
Distribuição de probabilidade no prior
Posição do candidato sobre a distribuição empírica do prior sintético. A linha cyan marca o candidato atual.
—
Honestidade da demo
O TabICLv2 real (PriorLabs/CNRS, fevereiro de 2026) é um Transformer pré-treinado em prior sintético via in-context learning. Pesos abertos no Hugging Face. Inferência em CPU para milhão de amostras em poucos minutos.
Esta demo não carrega esses pesos no browser. Em vez disso, simula a saída via KNN com kernel gaussiano sobre o prior sintético — qualitativamente semelhante ao mecanismo de atenção do TabICLv2, sem o custo de inferência neural.
Em produção, a Brikz utiliza o TabICLv2 (ou TabPFN-2.5 com Scaling Mode) hospedado em Vertex AI Endpoint, com adapter LoRA por instituição treinado sobre carteira histórica.
Estado da arte · Tabular FM
TabPFN-2.5 e Scaling Mode (PriorLabs · 2025)
Iteração mais recente da família TabPFN. Versão Scaling Mode (novembro de 2025) estende suporte para datasets de até dez milhões de linhas — primeira variante a entrar na faixa "Large Data".
Pesos abertos · Apache modificada · github.com/PriorLabs/TabPFN
TabICLv2 (soda-inria · CNRS · 2026)
Modelo tabular fully open source, supera RealTabPFN-2.5 em benchmark sem fine-tuning. Inferência dez vezes mais rápida que TabPFN-2.5 em datasets grandes, com offloading CPU+disco.
arXiv:2602.11139 · github.com/soda-inria/tabicl
Validação de mercado
SAP adquiriu a PriorLabs em 4 de maio de 2026 por mais de €1 bilhão, validando comercialmente a tese de foundation models tabulares para dado empresarial.
nanoTabPFN (educacional · 2025)
Reimplementação minimalista do TabPFN, útil como referência didática e base para variantes especializadas.
arXiv:2511.03634