NVIDIA telah merilis Kumo Tabular, keluarga baru model dasar tabel yang memprediksi baris baru dalam satu kali forward pass tanpa memerlukan pelatihan atau penyetelan hiperparameter. Model-model ini tersedia dalam ukuran Kecil, Sedang, dan Besar, berkisar dari sekitar 28M hingga 215M parameter.

  • Bobot dilisensikan di bawah OpenMDW-1.1, mengizinkan penggunaan komersial, tidak seperti pesaing seperti TabPFN-3 dan LimiX-2.
  • Model-model ini dijalankan melalui pustaka SDM (structured-data-models) sumber terbuka NVIDIA pada perangkat keras GPU.
  • Pra-pelatihan memanfaatkan tabel sintetis yang dihasilkan dari Structural Causal Models untuk menangani pola dunia nyata yang berantakan seperti nilai yang hilang.
  • NVIDIA melaporkan peringkat pertama di TabArena dengan Elo 1950, dan model Besar menduduki peringkat pertama di ScoringBench.
  • Inferensi dilaporkan 17x lebih cepat daripada LimiX-2 pada satu RTX 6000 Pro sambil mempertahankan akurasi.

Rilis ini menyediakan alternatif yang layak secara komersial dan berkinerja tinggi untuk tugas data tabel yang menghilangkan kebutuhan rekayasa fitur tradisional dan pelatihan model.