21 октября 2026 г.
NVIDIA Kumo Relational предсказывает по таблицам без обучения: на RelBench точнее бустинга на 4 пункта
На RelBench модель NVIDIA в среднем на 4 пункта AUROC выше градиентного бустинга на признаках, которые собирают эксперты (блог Hugging Face, 21.10). Она делает предсказания прямо по базе данных и не требует обучения под конкретную задачу.
Раньше под каждую задачу предсказаний строили отдельную модель: собирали признаки вручную, обучали и настраивали бустинг. Теперь модель читает до 10 000 исторических примеров прямо в запросе и отвечает по ним без обучения.
Скорость. На лидерборде RelArena-α модель примерно в 430 раз быстрее лучшей записи при сопоставимой точности. На SAP SALT она выше AutoGluon на 8% по MRR, а после дообучения прибавка к AutoGluon составила 16%.
Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.
Как запустить. Установка: pip install structured-data-models и pip install 'structured-data-models-client[relational]'. Локально модель вызывается через sdm.models.KumoRelational(device="cuda"), в неё передают x_context, y_context и x_query. Альтернатива: NIM-микросервис, к которому SDMClient обращается на localhost:8001. Код под Apache 2.0, веса на Hugging Face под OpenMDW License Agreement v1.1, quickstart-ноутбук лежит в structured-data-models-client.
NVIDIA описывает тот же подход и для регрессии, прогноза временных рядов и рекомендаций.
Первоисточник