TabTune

一套 API 统一跑通表格基础模型的推理与微调

TabTune 是一个面向表格基础模型(Tabular Foundation Models)的统一 Python 库,聚焦于推理与微调两大环节。传统表格任务通常需要为每个数据集单独训练 XGBoost、LightGBM 等模型,而近年出现的表格基础模型(如 TabPFN、TabDPT 等)具备跨数据集泛化能力,但各家接口、预处理和微调方式不统一,使用成本高。TabTune 试图解决这一碎片化问题:提供统一 API 加载不同表格基础模型,封装推理流程,并支持在下游数据上进行微调,让用户用少量代码即可完成从模型选择到适配的完整链路。核心能力包括统一模型接口、标准化表格预处理、推理与微调流程封装,以及面向表格数据的评估支持。项目处于早期阶段,适合想快速试验表格基础模型的研究者与工程师。

开源 unknown 模型训练
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 131
维护状态 较活跃
是否开源
定价模式 unknown

项目数据

分类模型训练
开发团队Lexsi-Labs
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型tabular-data,tabular-foundation-models,tabular-methods
GitHub 星标★ 131
30天Star增速
HF 下载量
上线时间2025-10-31 00:00:00
最近更新2026-09-15 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

  • 统一封装多种表格基础模型的加载与调用接口,减少逐个适配成本
  • 同时覆盖推理与微调,支持在下游表格数据上做适配
  • 基于 Python 生态,与常见表格数据处理流程容易衔接

不足之处

  • 项目处于早期,星标数少,API 可能频繁变动
  • 支持的模型种类与文档完善度有待观察

适用场景

  • 快速对比不同表格基础模型在同一数据集上的表现
  • 在自有表格数据上微调基础模型以提升预测效果
  • 作为研究表格基础模型推理与微调流程的实验框架

替代项目

TabPFN、AutoGluon

项目介绍

TabTune 是一个模型训练领域的开源项目,官方简介:TabTune: A Unified Library for Inference and Fine-Tuning Tabular Foundation Models。项目使用 Python 开发,在 GitHub 上获得 131 星标。

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 61327 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1279 2026-08-13