Kumo Relational da NVIDIA supera o aprendizado de máquina supervisionado em dados relacionais sem necessidade de treinamento
huggingface ·
A NVIDIA apresentou o Kumo Relational, um modelo fundamental pré-treinado projetado para fazer previsões diretamente em bancos de dados relacionais empresariais sem exigir treinamento específico para a tarefa ou engenharia de recursos. Ao utilizar aprendizado por contexto com até 10.000 exemplos históricos, o modelo realiza previsões em uma única passagem direta para resultados como churn, demanda ou fraude, respeitando estruturas de banco de dados, como chaves estrangeiras e carimbos de data/hora. Os benchmarks em 41 tarefas mostram que o Kumo Relational supera modelos de aprendizado de máquina supervisionado, incluindo árvores de gradiente boosted engenheiradas por especialistas e conjuntos do AutoGluon, alcançando maior precisão com tempos de inferência significativamente mais rápidos. O sistema opera por meio de uma interface de Linguagem de Consulta Preditiva, permitindo que humanos e agentes de IA consultem os dados naturalmente enquanto evitam vazamento de dados por meio de mecanismos de replay temporal. Construído sobre dados relacionais sintéticos gerados pela estrutura PluRel, o modelo escala para bancos de dados contendo mais de 500 bilhões de linhas usando bibliotecas nativas de GPU. Embora se destaque na maioria dos cenários, os autores observam que o ajuste fino pode ser necessário para tarefas com conjuntos de treinamento extremamente grandes, onde modelos supervisionados específicos podem superar as previsões por contexto. A tecnologia está disponível por meio da biblioteca open-source structured-data-models da NVIDIA e pode ser implantada como um serviço NVIDIA NIM.
huggingface