极数大模型开源：破解工业数据挖掘难题，驱动AI应用革新

由清华大学计算机系崔鹏教授团队与稳准智能联合研发的结构化数据通用大模型“极数”（LimiX）近日正式开源，标志着我国在结构化数据智能应用领域实现了重要技术突破，为推动产业生态开放提供了关键支撑。该模型通过降低AI技术应用门槛，有助于加快泛工业领域的智能化转型进程，有效破解工业数据价值挖掘难题，为智能制造与新型工业化注入强劲动能。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

在泛工业场景中，结构化数据的智能处理能力直接影响着生产效率与科研创新水平。传统方法通常依赖语言大模型或采用私有数据结合专用模型的方案，但普遍面临准确性不足、泛化能力弱、通用性差及成本高昂等现实问题，严重制约了AI技术在工业场景中的规模化落地应用。“极数”大模型通过深度学习数据背后的因果关系，构建了能够适应多种任务场景的智能底座，可高效完成分类、回归、缺失值预测、数据生成及因果推断等任务，为工业生产全流程提供智能化解决方案。

研发团队由清华大学计算机系崔鹏教授领衔，核心成员包括国家杰出青年科学基金获得者、国家自然科学二等奖得主及国际计算机学会杰出科学家。团队在学术研究前沿与产业落地实践方面均具备深厚积淀，为模型性能的持续突破提供了坚实保障。在测评阶段，“极数”选取了Talent等权威开源数据集作为基准，覆盖了上百个真实工业场景。在分类任务中，该模型在AUC、ACC、F1分数及ECE等关键指标上均达到最优水平，显著超越了24个领域内的现有最优模型；在回归任务中，其R2与RMSE指标的综合表现尤为突出，尤其在数据存在干扰特征时展现出了更强的适应能力。

目前，“极数”大模型已在多个关键工业场景中实现规模化应用。在工业运维领域，为钢铁、能源电力等行业提供设备运行监测、故障预警及健康度评估服务；在工艺优化方面，成为化工、制造、生物等行业的“生产智囊”，助力工艺参数实时动态调整；在市场预测领域，为能源、零售、农业及消费品等行业提供风险规避、成本控制与盈利提升的决策支持，成为应对市场波动的“交易智囊”。其通过通用建模能力有效突破了传统专用模型在数据稀疏、质量参差及环境异质等复杂场景下的局限性，正逐步成为面向泛工业垂直行业的核心智能引擎。

“极数”大模型现已全面开源，用户可通过Github、Huggingface及Modelscope等平台搜索LimiX获取完整代码与技术文档。该模型的发布不仅推动了结构化数据智能技术的普及应用，更为我国产业技术变革与优化升级提供了可复制、可拓展的系统性解决方案。