英伟达发布 Kumo Tabular：树立表格数据预测精度与效率新基准

英伟达开源发布表格基础模型 Kumo Tabular，旨在无需额外训练与特征工程即可直接完成表格数据的分类与回归预测，为企业结构化数据建模提供了新的技术路径。

• 上下文即时推理：基于 Transformer 架构构建列、行与上下文注意力机制，仅需单次前向传播即可预测新样本标签，区别于传统梯度提升树（GBDT）繁重的特征工程与调参管线。
• 纯合成数据预训练：模型完全在人工合成数据上预训练完成，提供 28M 至 215M 参数的三种尺寸版本。
• 基准测试领先：在 TabArena、BeyondArena、TALENT 和 ScoringBench 四大表格基准测试中均位列第一。
• 开源开放商用：模型代码通过 GitHub 开源，模型权重已上线 Hugging Face，采用 OpenMDW-1.1 许可证允许商业使用。
• 影响/看点：若在复杂的真实业务表格数据中能保持合成数据训练下的泛化表现，该模型有望缩短企业级机器学习任务的开发周期并降低特征工程门槛。
• 资料依据:
• Hugging Face Blog（2026-09-29）：https://huggingface.co/blog/nvidia/kumo-tabular
• GitHub 仓库（2026-09-29）：https://github.com/NVIDIA/structured-data-models

本内容由 AI 生成，仅供参考，请注意甄别