NVIDIA представи фундаментални модели Kumo Tabular за таблични данни
NVIDIA представи Kumo Tabular — семейство фундаментални модели за таблични данни, предназначени за класификация и регресия. Те използват означени редове като контекст и предвиждат стойностите за нови редове с един проход през модела, без допълнително обучение за конкретната задача, настройване на хиперпараметри или инженеринг на признаци. Версиите Small, Medium и Large обхващат приблизително 28M до 215M параметъра.
Моделите се изпълняват чрез библиотеката с отворен код structured-data-models (SDM) на NVIDIA. Тя предлага единен интерфейс за обучение в контекст и включва още TabICLv2, TabFM на Google и KumoRelational за многотаблични данни. SDM поддържа предварителна обработка, ансамбли и предвиждане с много класове, като изисква Python 3.11+ и PyTorch 2.7+.
Kumo Tabular е предварително обучен изцяло върху синтетични таблици, генерирани чрез структурни причинно-следствени модели. Данните включват симулирани липсващи стойности, категории с много кардиналности, тежкоопашати цели и противоречиви дублирани редове. NVIDIA съобщава първо място в TabArena с Elo 1950 и водещи резултати в още няколко теста. Теглата са под лиценз OpenMDW-1.1 с разрешена търговска употреба, а кодът на SDM е под Apache-2.0.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.