企业官网建设流程全解析

AutoGluon 1.4.0 深度解析：extreme 预设、五大全新 Tabular 模型与 MLZero 自动化智能体

【免费下载链接】autogluonFast and Accurate ML in 3 Lines of Code项目地址: https://gitcode.com/GitHub_Trending/au/autogluon

AutoGluon 1.4.0 是面向表格（Tabular）与时间序列（TimeSeries）两大模块的一次里程碑式发布：引入全新的extreme预设（TabularPredictor），一次性新增 RealMLP、TabM、TabPFNv2、TabICL、Mitra 五个表格模型家族，并正式发布端到端数据科学智能体 AutoGluon Assistant（MLZero 1.0）。本文基于官方发布说明（docs/whats_new/v1.4.0.md），结合仓库源码逐一拆解各新特性的实现原理、配置细节与迁移要点，帮助读者在理解版本内容的同时掌握实际使用方法。

版本总览

AutoGluon 1.4.0 的核心主题是「把表格机器学习做到极致，把 AutoML 自动化做到零人工」：

• Tabular 模块：推出extreme预设（别名extreme_quality、eq），官方称其为「AutoGluon 包历史上对预测性能最大的一次单一改进」，并新增 5 个模型家族：RealMLP、TabM、TabPFNv2、TabICL、Mitra。
• TimeSeries 模块：核心数据结构TimeSeriesDataFrame的大幅性能优化、新模型PerStepTabular、以及DirectTabular/RecursiveTabular的 API 重构。
• AutoGluon Assistant（MLZero 1.0）：基于 LLM 的多智能体系统，将 AutoGluon 从「3 行代码」进一步推向「0 行代码」。

该版本共包含 69 个提交、由 18 位贡献者完成（见 v1.4.0 发布说明），支持Python 3.9、3.10、3.11、3.12。需要注意的是：AutoGluon 1.4.0 不再支持加载旧版本训练的模型，升级后需使用 1.4.0 重新训练。

Tabular 核心更新：extreme 预设

3 行代码体验新预设

extreme（全称extreme_quality）是 1.4.0 为 TabularPredictor 引入的全新预设，使用方式与既有预设完全一致：

from autogluon.tabular import TabularPredictor predictor = TabularPredictor(label="class").fit("train.csv", presets="extreme") predictions = predictor.predict("test.csv")

底层模型组合：TabArena 元学习组合

extreme预设依赖一个元学习得到的模型组合（portfolio），它是 TabArena 论文中「TabArena ensemble」的改进版本。在当前仓库中，对应配置位于 zeroshot_portfolio_2025.py，文件头部注释明确其适用范围为「≤10000 样本、≤500 特征、且存在 GPU」的小数据场景。该组合包含：

从配置文件中可以看到，每个副本都携带了从 TabArena 基准上学习到的完整超参数（如 GBM 的bagging_fraction、learning_rate、num_leaves，CAT 的depth、l2_leaf_reg、grow_policy，TABM 的arch_type、d_block、d_embedding等），并通过ag_args.priority控制训练先后顺序。这正是官方所称「88% win-rate 对比 1.3 版best_quality（<10000 样本数据集）、TabArena 上整体 Elo 提升 290」的性能来源（数据引自官方发布说明）。

预设配置解析

在 presets_configs.py 中可以看到与 v1.4.0 相关的两条配置：

• tabarena预设（hyperparameters: "zeroshot_2025_tabfm"）：即 v1.4.0 的extreme核心配置，包含auto_stack、dynamic_stacking: "auto"、num_stack_levels: 0、num_bag_sets: 1、默认time_limit: 3600；
• extreme_quality_v140（别名extreme_v140、experimental_quality_v140）：在tabarena基础上开启_experimental_dynamic_hyperparameters，且不锁定静态组合，由 fit 时动态决定超参。

当前仓库的tabular_presets_alias字典中，extreme、eq均映射到extreme_quality（新版组合），而extreme_v140仍指向extreme_quality_v140，可供需要复现 1.4.0 行为的用户使用。

使用前提与限制

官方文档明确了extreme预设的适用边界，实践中必须注意：

• GPU 强推荐：为获得最佳效果需要 CUDA 兼容 GPU，理想情况 32 GB 以上显存；推理时间可能长于best，但在 GPU 上依然可接受。
• 样本量阈值：extreme组合仅用于样本量不超过30000的数据集；更大数据集仍沿用best_quality组合。
• 需要联网下载权重：fit 过程中需要下载 TabPFNv2、TabICL、Mitra 的基础模型权重。离线环境需提前预下载这些权重，否则无法在 fit 时使用。
• 实验性状态：官方声明该预设在本版本中视为实验性功能，未来版本可能在没有警告的情况下变更。
• 训练效率：官方指出extreme训练 5 分钟即可超过best运行 4 小时的结果（引自官方发布说明）。

TabArena 与新增的五个 Tabular 模型

v1.4.0 同时将 TabArena 基准的研究结论直接落地为产品能力。TabArena 是一个面向 IID 表格数据的在线基准：拥有接受提交的在线排行榜、经过精心筛选的真实数据集（具备预测性、表格型、IID、许可宽松）、覆盖树模型/深度学习/基础模型三类强基线，并在评估上遵循内层 CV、外层 CV、早停等最佳实践。其核心洞察包括：RealMLP 与 TabM 在加权集成下略超提升树但训练+推理更慢；TabPFNv2、TabICL 这类基础模型仅适用于部分数据集但在其上表现极强；「赢家通吃」并不成立——对不同模型类型做加权集成可显著超越当时的 SOTA（AutoGluon 1.3）。这些结论直接催生了extreme预设。

五个新模型在仓库中的实现位置与使用方式如下：

若只需使用这批新模型而不跑整个extreme预设，可通过pip install autogluon[tabarena]一键安装全部相关依赖。

Mitra：AutoGluon 团队自研的表格基础模型

Mitra 是五个新模型中唯一由 AutoGluon 团队（AWS AI）原生自研的表格基础模型，从源码（mitra_model.py）可以确认以下关键事实：

• 模型定位：完全在合成数据上预训练，目标是「优化微调性能优于上下文学习性能」；模型注释注明其默认超参在小数据集上超越了 TabArena v0.1 上所有非集成方法。
• 支持任务：_supported_problem_types = ["binary", "multiclass", "regression"]，即分类与回归均可使用。
• 硬件偏好：gpu_strongly_recommended = True（官方标注 CPU 上上下文推理慢 12–63 倍），default_num_gpus = 1；同时支持 GPU 与 CPU 运行。
• 使用边界：默认_default_auxiliary_params_extra限制max_rows: 10000、max_features: 500、max_classes: 10，与「擅长小样本」的定位一致。
• 两种模式：支持零样本（zero-shot）与微调（fine-tune），在extreme组合中即配置为fine_tune: True, fine_tune_steps: 50。
• 开源与授权：权重采用 Apache-2.0 协议完全开源，对关心数据共享与托管的企业更友好。

使用方式同样是三行代码：

from autogluon.tabular import TabularPredictor predictor = TabularPredictor(label="class").fit( train_data, hyperparameters={"MITRA": {}}, )

模型移除与组合调整

1.4.0 同时移除/调整了部分旧能力，升级用户需注意：

• TabPFNv1 被移除：因其与 TabPFNv2 不兼容（对应 PR #5191）；
• KNN 退出预设：KNN 模型从best_quality与high_quality预设组合中移除，原因是「通常不会带来整体提升」（对应 PR #5211）。

AutoGluon Assistant（MLZero 1.0）：从 3 行代码到 0 行代码

定位与架构

AutoGluon Assistant 1.0 与学术框架MLZero（端到端零人工干预的 AutoML 智能体框架）合而为一，从 v0.1 的纯表格能力扩展为支持图像、文本、表格、音频及混合数据流水线的多模态全流程自动化。其核心是一套基于 LLM 的多智能体架构，涵盖感知（perception）、记忆（语义记忆与情景记忆）、代码生成、执行与迭代调试，可将原始多模态输入直接转化为高质量的 ML/DL 流水线。

官方强调的设计原则包括：

• 零代码：用户仅用自然语言描述任务（如「用自定义标签对猫狗图像分类」），无需任何手动配置或专业知识；
• 站在成熟库之上：MLZero 基于已有高性能 ML 库生成代码而非重新造轮子，保证方案稳健，同时便于接入新库；
• 模块化可扩展：每个智能体与提示词独立设计与实现，由中心化管理者协调，便于后续增改智能体、提示词与工作流；
• 配套 WebUI 与 MCP：v1.0 重新设计了聊天机器人风格的 WebUI，并引入 MCP（Model Control Protocol）集成，可通过标准化协议远程编排 AutoML 流水线。

（文中 MLZero 的性能对比表格与成功率数据均出自官方发布说明引用的 MLZero 论文，v1.4.0 发布说明 中可查看原始对照表。）

安装与使用

AutoGluon Assistant 支持Python 3.8–3.11与 Linux：

pip install uv uv pip install autogluon.assistant>=1.0

CLI 方式：

mlzero -i <input_data_dir>

WebUI 方式（分别启动前后端，前端默认端口 8509）：

mlzero-backend # 启动后端 mlzero-frontend # 启动前端

MCP 方式（服务端与客户端）：

# server mlzero-backend # 启动后端 bash ./src/autogluon/mcp/server/start_services.sh # 在新终端中启动服务 # client python ./src/autogluon/mcp/client/server.py

如何进一步了解

AutoGluon Assistant 的独立仓库维护（autogluon-assistant），本仓库中可结合 tabular-foundational-models 教程 了解表格基础模型（Mitra、TabPFNv2、TabICL）的使用细节。

Tabular 模块的其它改进

除新预设与新模型外，1.4.0 对 Tabular 的使用体验做了多项修补（详见 v1.4.0 发布说明）：

• 资源控制：sequential_localfit 策略开始尊重num_cpus/num_gpus参数；CPU 核数探测全面改用 loky（get_cpu_count）。
• 参数化约束：新增max_rows、max_features、max_classes、problem_types等支持，便于在 fit 时对数据规模做约束。
• 快捷语法：新增ag.ens.作为ag_args_ensemble的快捷写法（对应 PR #5143），例如在超参中直接使用ag.ens.ensemble_size: 40这类字典写法。
• 模型修复：修复 CatBoost 在problem_type="quantile"且len(quantile_levels)==1时的崩溃；修复 CatBoost 回归任务默认loss_function错误；Softclass 中移除fobj。
• 基础模型缓存：新增从 S3 缓存表格基础模型权重到 benchmark 的能力，避免 HuggingFace 限流。
• 蒸馏增强：增强spunge_augment与munge_augment函数（并对其做加速），服务模型蒸馏场景。

TimeSeries 模块更新

核心数据结构性能大幅提升

官方指出TimeSeriesDataFrame核心方法经重构后，在大数据集（>1000 万行）上端到端predictor.fit()与predict()时间最多可降低 7 倍。实现层面，对应 PR #5159 用基于indptr的高效替代方案替换了groupby，显著降低了各类TimeSeriesDataFrame操作的运行时开销。

新模型：PerStepTabular

PerStepTabular（per_step.py）为预测时域中的每一步单独训练一个表格回归模型。从源码可以看到：

• 每步模型可用的特征包括：滞后特征（lag，基于数据频率）、时间特征（如星期几）、已知协变量（known covariates）、以及每个序列的静态特征（static features）。
• 训练与推理均按核数并行化（源码使用joblib的Parallel实现），官方称其为开源 Python 包中该模型类型最高效、最准确的实现之一。
• 其超参数包括trailing_lags（默认[1, 2, ..., 12]）、seasonal_lags（按频率自动确定）、date_features、target_scaler（默认"mean_abs"）、model_name（默认"CAT"）、model_hyperparameters、validation_fraction等。
• 若评估指标需要分位数（eval_metric.needs_quantile），底层表格模型以"quantile"问题类型训练；否则以"regression"训练，并通过「残差服从零均值正态分布」的假设生成虚拟分位数。
• 实现上复用 mlforecast 做高效预处理，但逐步骤预测策略与 mlforecast 的max_horizon不同。

DirectTabular / RecursiveTabular API 重构（重要迁移点）

v1.4.0 将DirectTabular与RecursiveTabular的内部实现从「构建整个TabularPredictor」重构为「底层拟合单个autogluon.tabular回归模型」，带来更低的磁盘占用，并使 API 与timeseries模块其它部分保持一致（实现位于 mlforecast.py，model_name通过ag_model_registry.key_to_cls解析为具体的表格模型类）。

相应地，两个超参数被废弃：

迁移规则（官方明确）：

• 在 v1.4.0 中若仍传入tabular_hyperparameters且只包含单个模型，会记录警告并自动转换为新 API；
• 若传入 ≥2 个模型，因无法自动转换会直接报错，需手动改写为新 API；
• tabular_fit_kwargs同样被model_hyperparameters取代。

完整对照示例：

# New API: >= v1.4.0 predictor.fit( ..., hyperparameters={ "RecursiveTabular": {"model_name": "CAT", "model_hyperparameters": {"iterations": 100}} } ) # Old API: <= v1.3.1 predictor.fit( ..., hyperparameters={ "RecursiveTabular": {"tabular_hyperparameters": {"CAT": {"iterations": 100}}} } )

其它 TimeSeries 变更

• lag_transforms支持：RecursiveTabular新增lag_transforms超参数，可对滞后特征做变换。
• Chronos：optimization_strategy超参数（v1.3.0 起已废弃）在 v1.4.0 中被正式移除；同时改进了 Chronos-Bolt 在长期预测（prediction_length > 64）展开时的启发式策略。
• gluonts命名空间重组：autogluon.timeseries.models.gluonts命名空间被重新组织。
• 训练失败诊断：单个模型训练失败时现在会记录完整堆栈轨迹；修复refit_full在quantile_levels=[]时集成预测失败的问题。
• Python 3.9 兼容性修复。

Multimodal 与通用改进

• 多语言预设精度修复：多语言（multilingual）预设改用 FP32，以避免 DeBERTa 的 BFloat16 问题（对应 PR #5139）。
• 安全修复：NLTK 依赖约束更新为<3.10，以解决 CVE-2024-39705。
• CPU 探测：新增 CPU 工具函数，提升 docker、slurm 等受限环境下的 CPU 探测准确性（改用 joblib 替代 loky 的探测方式），并支持 Apple Silicon 的系统信息记录。
• 数据 I/O：默认使用 pyarrow 读写 parquet，移除 fastparquet；新增从 URL 加载 pickle 的支持，并修复save_str在根路径下保存的问题。
• 依赖版本：numpy 上限更新（允许 2.3.0）、PyTorch 上限更新至 2.8（启用 2.7）；优先使用 PyTorch wheel 自带的 CUDA 库而非系统/DLC 的；pkg_resources.parse_version替换为packaging.version.parse。
• RAPIDS 兼容：修复 LinearModel 使用 RAPIDS cuML 模型时的 AttributeError；upload_file新增 kwargs 选项。

升级与兼容性建议

1. 重新训练：1.4.0 不支持加载旧版本训练的模型，升级后所有模型需重新训练。
2. 表格模型安装：使用 Mitra、TabPFNv2、TabICL、RealMLP、TabM 时，按上文表格选择对应 extras；autogluon[tabarena]可一次装齐。
3. TimeSeries 迁移：若代码中使用tabular_hyperparameters/tabular_fit_kwargs，请改为model_name/model_hyperparameters，避免升级后报错。
4. extreme 预设：确认具备 GPU（32 GB+ 显存最佳）与网络（可下载基础模型权重），且数据集样本量不超过 30000，否则该预设不会启用其专属组合。

总结

AutoGluon 1.4.0 通过extreme预设与五大新模型的组合，将表格数据的预测能力带上新的台阶，同时以 MLZero 智能体把 AutoML 的自动化边界从「三行代码」推进到「自然语言描述」；TimeSeries 侧则通过性能重构与新模型、新 API 持续打磨工程体验。对于开发者而言，理解extreme预设的模型组合与硬件前提、掌握新模型的安装方式、及时完成DirectTabular/RecursiveTabular的 API 迁移，是落地本版本价值最直接的三个切入点。

【免费下载链接】autogluonFast and Accurate ML in 3 Lines of Code项目地址: https://gitcode.com/GitHub_Trending/au/autogluon