# 表データ

TableGPT2-7Bは浙江大学が開発した大規模デコーダーモデルで、データ集約型タスク、特に表データの解釈と分析に特化しています。Qwen2.5アーキテクチャをベースとし、継続的プリトレーニング（CPT）と教師ありファインチューニング（SFT）によって最適化されており、複雑な表クエリやビジネスインテリジェンス（BI）アプリケーションに対応できます。日本語クエリに対応しており、構造化データを効率的に処理する必要がある企業や研究機関に適しています。現在、無料でオープンソースとして公開されていますが、将来的にはより専門的なバージョンが提供される可能性があります。

TableGPT-agentは、TableGPT2を基盤とした事前構築済みエージェントモデルであり、表データの質疑応答タスク用に設計されています。Langgraphライブラリに基づいて開発されており、ユーザーフレンドリーなインターフェースを提供し、表データに関する複雑な問題を効率的に処理できます。TableGPT2は大規模なマルチモーダルモデルであり、表データと自然言語処理を組み合わせることで、データ分析と知識抽出に強力な技術サポートを提供します。このモデルは、データ分析、ビジネスインテリジェンス、学術研究など、表データを迅速かつ正確に処理する必要があるシナリオに適しています。

TableGPT2は、表データに特化して事前トレーニングとファインチューニングされた大規模マルチモーダルモデルです。実用における表データの統合不足の問題を解決するために開発されました。593,800以上の表データと236万件の高品質クエリ?表?出力タプルを用いて、前例のない規模で事前トレーニングとファインチューニングが行われています。TableGPT2の重要な革新の一つは、パターンレベルとセルレベルの情報を捉えるように設計された新規の表エンコーダーです。これにより、曖昧なクエリ、列名の欠損、不規則な表の処理能力が向上しています。23個のベンチマーク指標において、7Bモデルで平均35.20%、72Bモデルで49.32%の性能向上を実現し、同時に強力な汎用言語処理能力とコーディング能力を維持しています。

Table Data Extractorは、あらゆるPDFから表データを迅速かつ簡単に自動抽出できるツールです。最大100個のファイル（ファイルあたり最大400ページ）をアップロードできます。平均抽出時間はファイルあたり60秒です。価格は処理ファイル数に応じて変動し、ファイル数が多いほど割引率が高くなります。