NVIDIA випустила фундаментальні моделі Kumo Tabular для таблиць
NVIDIA випустила сімейство фундаментальних моделей Kumo Tabular для табличних даних. Вони призначені для класифікації та регресії: використовують розмічені рядки як контекст і прогнозують нові рядки за один прямий прохід. Окреме навчання під конкретне завдання, налаштування гіперпараметрів та інженерія ознак не потрібні. Доступні версії Small, Medium і Large — приблизно від 28M до 215M параметрів.
Kumo Tabular працює через відкриту бібліотеку NVIDIA structured-data-models (SDM). Вона має спільний інтерфейс навчання в контексті та містить також TabICLv2, TabFM від Google і KumoRelational для багатотабличних даних. SDM підтримує попередню обробку, ансамблювання й передбачення для багатьох класів. Бібліотеці потрібні Python 3.11+ і PyTorch 2.7+, а приклади орієнтовані на GPU з CUDA.
Моделі попередньо навчалися лише на синтетичних таблицях, створених зі структурних причинних моделей. Генератор додавав змодельовані пропуски, категорії з великою кількістю значень, розподіли цільових показників із важкими хвостами та суперечливі дублікати. За даними NVIDIA, Kumo Tabular посіла перше місце в TabArena з показником Elo 1950 і показала провідні результати в інших тестах. Ваги ліцензовані за OpenMDW-1.1, що дозволяє комерційне використання, а код SDM — за Apache-2.0.
Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.