NVIDIA Kumo Relational 在关系型数据上超越监督式机器学习，无需训练

英文原标题：NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required

本文为英文原文的机器翻译摘要，原文见：Hugging Face Blog ↗

• NVIDIA 发布 Kumo Relational，一个预训练的关系型基础模型，可直接在企业数据库上做预测，无需任务特定训练、特征工程或表展平。
• 给定预测查询，模型在推理时收集最多 10,000 个历史样本作为上下文，单次前向传播即可输出流失、需求或欺诈等预测结果。
• 在 15 个数据库的 41 个任务上，Kumo Relational 超越监督式关系深度学习模型和专家工程化的梯度提升树流水线；在 SAP SALT 企业基准上，其 MRR 比 AutoGluon 集成高 8%。
• 模型通过上下文学习适应新任务，预训练使用基于 PluRel 方法生成的合成关系数据，可扩展至 500B+ 行的数据库。
• Kumo Relational 可通过 NVIDIA 开源、GPU 原生的 structured-data-models 库或 NVIDIA NIM 使用，并设计了 Predictive Query Language (PQL) 供智能体调用。

关键数据

• 在 RelBench V1 分类任务上，Kumo Relational 平均比基于专家工程特征的梯度提升树高近 4 个 AUROC 点。
• 在 SAP SALT 上，开箱即用比基于工程特征的 XGBoost 高 7 个 MRR 点，微调后高 13 个 MRR 点。
• 在 SAP SALT 企业基准上，其 MRR 比 AutoGluon 集成高 8%。
• 推理时最多读取 10,000 个上下文示例。
• 可扩展至 500B+ 行的数据库。
• 在 15 个数据库的 41 个任务上进行了评估。

引语

• No training required.

为什么值得看：Kumo Relational 首次证明少样本基础模型能在常见关系型基准上超越监督式机器学习，可能改变企业数据库上预测建模依赖特征工程和任务特定训练的传统流程。