Mitra-v2

亚马逊科学团队发布表格基础模型Mitra-v2，其核心突破在于通过扩大合成预训练数据的规模与多样性来提升性能，而非加深网络架构。该模型在TabArena基准测试的51个真实数据集上领先单模型赛道，并在ScoringBench回归基准中排名第一。【背景】Mitra-v2沿用了上一代的12层Transformer架构，但将预训练表的行数扩大10倍、列数约3倍，并引入新型混合因果模型先验，使单一合成表能模拟真实数据中复杂的列间关系。尽管被归类为基础模型，Mitra-v2并非零样本（zero-shot）系统：默认情况下，它会在每张新表上进行短暂的自动微调，并对8个副本的预测结果进行平均（bagging）。这一机制虽增加了计算开销，但显著提升了准确率。目前，Amazon Connect Customer已采用该模型处理结构化业务与客户体验数据。