Gradient Boosting
Eine klassische Methode des maschinellen Lernens, die große Sprachmodelle bei der Vorhersage von Werten in tabellenähnlichen Daten immer noch übertrifft.
Durch die Gradientenverstärkung wird eine Vorhersage erstellt, indem Hunderte sehr einfacher Entscheidungsregeln gestapelt werden, von denen jede darauf trainiert ist, die Fehler der vorherigen zu korrigieren. Es gibt sie schon seit den späten 1990er-Jahren, sie lässt sich auf einem normalen Laptop in Sekundenschnelle trainieren und für Tabellen mit Zeilen und Spalten ist sie immer noch die Methode, die es zu schlagen gilt. Beliebte Implementierungen sind XGBoost und LightGBM.
Das ist wichtig, weil es das deutlichste Beispiel für einen Job ist, bei dem die neueste KI das falsche Werkzeug ist. Im Jahr 2026 veröffentlichte Forschungsergebnisse bestätigten, dass Frontier-Sprachmodelle bei der tabellarischen Vorhersage stark verlieren und dass sie auf eine Weise versagen, die mit keiner klassischen Methode erklärt werden kann. Wenn Ihre Frage lautet: „Schätzen Sie diese Zahl anhand dieser Tabelle voraus“, greifen Sie zum alten Tool.