英伟达Kumo Relational：无需训练即可在关系数据上超越监督学习

英伟达推出预训练关系基础模型Kumo Relational，可直接在企业数据库上做预测：输入预测查询后，模型会收集最多约一万条历史样例作为上下文，在一次前向传播中预测客户流失、需求或欺诈等结果，无需针对具体任务训练、做特征工程或把多表压平。文章称其是首个在常见关系基准上超越监督学习的少样本基础模型；在十五个数据库、四十一项任务上优于监督式关系深度学习与专家特征工程的梯度提升树流水线，并在SAP SALT企业基准上以平均倒数排名高出约百分之八超过AutoGluon集成。系统可扩展至超五千亿行规模的数据库，面向人与智能体，可通过英伟达开源、面向GPU的structured-data-models库或以NVIDIA NIM形式使用。与只处理单张扁平表的模型不同，它直接尊重表结构、外键与时间戳，通过预测查询语言声明预测目标，并以表内列/行注意力与跨表图注意力、跨样本注意力完成推理；预训练数据来自反映真实关系库的合成数据，亦可针对特定数据集与任务微调。