NVIDIA发布了Kumo Tabular，这是一个用于表格分类和回归的开源基础模型，通过上下文学习运行，无需训练或特征工程。该模型仅在由结构因果模型生成的人工数据上进行预训练，提供三种规模，参数量从28M到215M不等。

  • Kumo Tabular在TabArena、BeyondArena、TALENT和ScoringBench基准测试中排名第一，在准确率-效率帕累托前沿上确立了新的最先进水平。
  • 该架构使用列、行和上下文注意力来处理表格，允许在一次前向传递中对新行进行预测。
  • 它在OpenMDW-1.1许可下通过NVIDIA的开源structured-data-models库运行，可用于商业用途。

此次发布为企业提供了梯度提升树的零样本替代方案，使其能够在无需传统超参数调整和验证生命周期的情况下，直接对带标签的表格进行预测。