NVIDIA Kumo Relational关系基础模型免训练超越监督学习

英伟达发布预训练关系基础模型 Kumo Relational，面向企业关系数据库，可直接在单张或多张数据表上完成预测，用于客户流失、需求预测和欺诈识别等任务。该模型无需任务专属训练、人工特征工程和表结构展平，开发者通过预测查询语言描述目标后，Kumo Relational 会在一次前向推理中抽取最多一万条历史上下文并给出结果。 Kumo Relational 基于合成关系数据预训练，保留表间外键和时间戳关系，可分别进行表内与跨表推理，适应企业数据库中复杂实体关联。该模型可连接数据库、数据仓库或图引擎，支持超过五千亿行数据规模，既能由开发人员调用，也可作为预测接口供智能体使用。 在 RelBench V1、V2、SAP SALT 和 4DBInfer 覆盖的十五个数据库、四十一个任务上，Kumo Relational 超越最强监督模型，包括关系深度学习和依赖专家特征的梯度提升树流水线。在 SAP SALT 企业基准中，其平均倒数排名比 AutoGluon 集成提升百分之八，微调后领先幅度扩大至百分之十六。RelArena Alpha 榜单显示，它在保持接近最高准确率的条件下，推理速度比得分最高条目快约四百三十倍。 模型已在英伟达开源的 GPU 原生结构化数据模型库中提供，也可部署为英伟达 NIM 服务。代码采用 Apache 2.0 许可证，模型权重采用 OpenMDW 许可证。该发布标志着结构化数据预测正从多任务、重流程的传统机器学习模式，转向预训练基础模型驱动的简化路径。