Nums AI가 분류·회귀 작업을 지원하는 사전학습 테이블 파운데이션 모델 Causilo를 공개했습니다. scikit-learn 인터페이스를 제공하며, 단일 모델 기준 TabArena Elo 순위에서 구글의 TabFM과 LG의 EXAONE Tabular를 제치고 1위를 기록했습니다. 코드는 Apache-2.0 라이선스로 공개됐고, 모델 가중치는 비상업 연구용으로 라이선스됩니다.
2026년 초 현재, 주류 LLM이 생성한 텍스트는 강력한 통계적 패턴을 띠고 있어 고전적인 머신러닝 모델로 인간이 쓴 글과 효과적으로 구분할 수 있습니다. 개발자는 Scikit-learn의 기본 모델들을 활용해 단일 문장 기준 약 85%의 정확도를 보이는 AI 텍스트 탐지 데모를 구축했습니다. 이는 기업이나 플랫폼에서 무거운 LLM 모델을 사용하지 않고도 가벼운 분류 모델로 AI 표절을 방지하고 콘텐츠 품질을 관리할 수 있는 실질적인 방안을 제시합니다.
본 튜토리얼에서는 Hyperopt와 TPE(Tree-structured Parzen Estimator) 알고리즘을 활용하여 고급 베이지안 하이퍼파라미터 최적화 워크플로우를 구현합니다. 서로 다른 모델 패밀리 간에 동적으로 전환하는 조건부 검색 공간을 구축하여 Hyperopt가 계층적이고 구조화된 매개변수 그래프를 어떻게 처리하는지 보여줍니다. 또한 scikit-learn 파이프라인 내부에 교차 검증(Cross-validation)을 적용하여 조기 종료(Early Stopping) 기능을 지원하는 프로덕션급 목적 함수(Objective function)를 구축합니다.