TabSTAR

让表格数据看懂文本,预测更准一步到位

TabSTAR是一个面向表格数据的开源基础模型,专注于处理包含文本字段的表格数据。它解决了传统表格模型难以有效利用文本信息的问题,通过将文本字段与数值、类别特征统一建模,实现更准确的预测。核心能力包括:对混合型表格数据的端到端学习、文本字段的语义理解、以及针对分类和回归任务的微调支持。该模型基于Transformer架构,能够捕捉表格中字段间的复杂关系,适用于金融风控、医疗诊断、推荐系统等需要处理大量文本描述性字段的场景。项目处于早期阶段,提供了预训练权重和训练代码。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 90
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队alanarazi7
所属国家
官网地址
定价模式free
价格说明开源模型,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型deep-learning,foundation-models,language-models,machine-learning,tabular-data
GitHub 星标★ 90
30天Star增速
HF 下载量
上线时间2025-05-21 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

核心亮点

  • 首个专门针对含文本字段表格数据的基础模型,填补空白
  • 端到端处理文本与数值混合特征,无需手工特征工程
  • 基于Transformer架构,可迁移学习,适应多种下游任务

不足之处

  • 项目处于早期,文档和社区支持待观察
  • 模型参数量较大,推理资源需求较高

适用场景

  • 金融风控中结合客户描述文本进行信用评估
  • 医疗诊断中分析病历文本与检验数值的联合预测
  • 电商推荐中利用商品描述文本提升点击率预测

替代项目

XGBoost、TabNet、FT-Transformer

项目介绍

TabSTAR 是开源模型领域的开源项目,由 alanarazi7 开发,2025 年首次发布。

它收录于开源模型分类,该分类目前共有 425 个项目,GitHub 星标数为 90。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:金融风控中结合客户描述文本进行信用评估。同类可对比的替代方案包括 XGBoost、TabNet、FT-Transformer。

上一篇:General-Physics-Transformer

下一篇:HuBERT-ECG

同类项目推荐

Machine-Learning 开源

跟着博客笔记,边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库,免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10
awesome-ltx2 开源

找齐 LTX-2 模型、工作流和 LoRA,一键上手视频生成。

All available LTX-2 models, encoders, workflows, LoRAs for ComfyUI

★ 593 2026-08-10