NVIDIA发布Kumo Tabular：表格预测不必每题重训

开放权重 / 表格基础模型 / 推理 · 8.5/10 · 建议上手复测

NVIDIA团队9月29日发布Kumo Tabular，提供28M到215M参数的三个规模、模型权重和推理代码。它只在合成表格上预训练；到具体任务时，用户提供已标注的行与待预测的行，模型一次前向计算就能输出类别概率或回归数值，无需为每个新表格再训练一遍参数。

技术上它分别看同一列的数值分布、一行内不同字段的组合，以及已标注行和新行之间的关系。于是“42”究竟很大还是很小，取决于整列的数据；“年龄42、收入某数值”该预测什么，则取决于行内特征及邻近示例。把这些统计关系放到预训练模型里，可能减少企业每换一个预测问题就重新做特征工程和调参的成本。

团队称它在TabArena等四组基准综合领先，并给出了同一GPU的速度对比。这些仍是发布方测试；自己的表格应保留独立测试集，与树模型比较精度、校准和总成本。当前模型主要处理数值和类别列，文字、图像、时间还需要额外预处理，数据分布偏移可能让效果下降。权重和推理代码已开放，但训练配方与合成数据生成器尚待发布，不能把“可推理”写成“全流程可复现”。