regress-lm

把回归变成生成，用预训练模型直接预测数值

regress-lm 是一个面向序列到序列数值预测的 Python 库，核心思路是把回归任务改造成语言模型式的生成任务，从而复用预训练 Transformer 的能力。它解决的是传统回归模型难以利用大规模预训练权重、难以统一处理多任务的问题：只要输入能被 token 化（文本、代码、结构化字段等），就能把目标数值转成 token 序列，让模型像生成文本一样生成数值。库同时支持预训练和微调，可在多个回归任务上联合训练，适合需要定量预测又希望借助预训练语义理解的场景，比如评分预测、价格估计、指标外推等。相比从零训练回归头，它更强调用序列建模的方式统一数值预测流程，降低多任务迁移的门槛。

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 356

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类模型训练

开发团队google-deepmind

所属国家

官网地址

GitHubhttps://github.com/google-deepmind/regress-lm

定价模式free

价格说明开源免费，无官方定价信息

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型prediction,quantitative,regression,sequence-to-sequence

GitHub 星标★ 356

30天Star增速

HF 下载量

上线时间2025-06-09 00:00:00

最近更新2026-09-18 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-16

浏览次数0

使用教程

核心亮点

把数值预测转成 token 生成，可直接复用预训练语言模型权重
支持多任务联合预训练与微调，便于跨任务迁移
输入只需可 token 化，文本、代码、结构化字段都能统一处理

不足之处

数值被离散成 token，精度受分词粒度限制，连续值回归误差可能偏大
项目早期、社区和文档规模有限，生产落地需自行验证稳定性

适用场景

根据商品描述文本预测价格或销量
对用户评论打分并预测具体评分值
从结构化日志或代码片段中回归预测性能指标

替代项目

TabPFN、AutoGluon、sklearn

项目介绍

regress-lm 是一个模型训练领域的开源项目，官方简介：Library for sequence-to-sequence numeric prediction, applicable to any tokenizable input, and allows pretraining and fine-tuning over multiple tasks.。项目使用 Python 开发，在 GitHub 上获得 354 星标。

上一篇：LightRFT

下一篇：MLX-LoRA-Studio