英伟达开源表格基础模型Kumo Tabular：无需训练即可做分类与回归预测

英伟达发布开源表格基础模型Kumo Tabular，隶属于NVIDIA Kumo Structured模型系列，并已上架Hugging Face。给定带标签的表格行，该模型可在单次前向传播中预测新行标签，无需训练、调参或特征工程，同时覆盖分类与回归。模型仅在人工合成数据上预训练，提供约两千八百万至两亿一千五百万参数三档规模，通过开源库运行，并以OpenMDW-1.1许可开放商业使用。官方称其在TabArena、BeyondArena、TALENT与ScoringBench四项基准上排名第一。架构以表格结构为核心的Transformer，借鉴TabICL与TabPFN引入的列注意力、行注意力与上下文注意力：先理解单元格在列内含义，再建模同行各列交互，最后把已标注上下文行与待预测查询行关联；缺失值无需插补即可特殊处理。发布方指出，表格数据仍是企业机器学习主干，而表格基础模型试图把大语言模型式的上下文学习引入表格预测，减少为每个任务从零训练的流程。