英伟达Kumo Relational无需训练即可在关系数据上超越监督机器学习
huggingface ·
NVIDIA推出了Kumo Relational,这是一种预训练的基础模型,旨在无需针对特定任务进行训练或特征工程的情况下,直接在企业的关系型数据库上进行预测。该模型利用上下文学习(最多支持10,000个历史示例),在尊重外键和时间戳等数据库结构的同时,通过单次前向传播对流失、需求或欺诈等结果进行预测。在41项任务的基准测试中,Kumo Relational的表现优于监督机器学习模型,包括专家设计的梯度提升树和AutoGluon集成模型,实现了更高的准确率以及显著更快的推理速度。该系统通过预测查询语言接口运行,允许人类和AI代理以自然方式查询数据,同时通过时间重放机制避免数据泄露。该模型基于由PluRel框架生成的合成关系数据构建,并利用GPU原生库扩展至包含超过5000亿行的数据库。尽管该模型在大多数场景中表现出色,但作者指出,对于拥有超大规模训练集的任务,可能需要微调,因为特定的监督模型可能在上下文预测中略胜一筹。该技术可通过NVIDIA的开源structured-data-models库获取,并可作为NVIDIA NIM服务部署。
huggingface