NVIDIA Kumo Tabular establece una nueva frontera de precisión y eficiencia para la predicción tabular
huggingface ·
NVIDIA ha lanzado Kumo Tabular, un modelo de base abierto diseñado para la predicción en datos tabulares que opera sin necesidad de entrenamiento ni ingeniería de características. Esta arquitectura basada en Transformers utiliza aprendizaje in-contexto para predecir etiquetas de nuevas filas en una sola pasada hacia adelante, apoyando tanto tareas de clasificación como de regresión. El modelo fue preentrenado exclusivamente con tablas artificiales generadas por Modelos Causales Estructurales, lo que le permite manejar diversas imperfecciones en los datos, como valores faltantes y valores atípicos. Está disponible en tres tamaños, que van desde 28 millones hasta 215 millones de parámetros, y se ejecuta a través de la biblioteca de código abierto structured-data-models de NVIDIA. Las evaluaciones de rendimiento muestran que Kumo Tabular ocupa el primer lugar en principales benchmarks, incluyendo TabArena, BeyondArena, TALENT y ScoringBench. Cabe destacar que establece un nuevo estado del arte en la frontera de Pareto entre precisión y eficiencia, mientras se ejecuta significativamente más rápido que modelos competidores como LimiX-2. Aunque actualmente está limitado a columnas numéricas y categóricas, el modelo ofrece un manejo robusto de estructuras tabulares complejas mediante mecanismos de atención especializados. Publicado bajo la licencia OpenMDW-1.1, proporciona a los desarrolladores acceso inmediato a capacidades de IA de alto rendimiento para datos tabulares.
huggingface