NVIDIA 推出免訓練的關聯式資料預測模型
- NVIDIA 推出 Kumo Relational，可直接對關聯式資料庫執行預測查詢，不必為每項任務另行訓練模型或手動設計特徵。
- 模型推論時可取用最多 10,000 筆歷史範例作為上下文，並保留資料表之間的關聯，不需先攤平成單一表格。
- 作者在涵蓋 41 項任務、15 個資料庫的評測中表示，模型勝過監督式關聯模型與專家設計的梯度提升樹流程。
- 在 SAP SALT 企業基準測試中，Kumo Relational 的 MRR 比 AutoGluon 集成模型高 8%。
- 模型可透過 NVIDIA 的開源 GPU 原生結構化資料模型函式庫執行，也可部署為 NVIDIA NIM。
本站見解
對維護 XGBoost 預測流程的團隊而言，這種做法可能把部分工作從逐任務設計特徵，轉為資料表與 PQL 查詢整合；但現有結果無法說明特定資料庫上的整體服務成本。程式碼採 Apache 2.0，權重則採 OpenMDW 1.1，封裝或散布部署前應分別確認權重授權條款。
推出 出免 免訓 訓練 練的 的關 關聯 聯式 式資 資料 料預 預測 測模 模型 可直 直接 接對 對關 料庫 庫執 執行 行預 測查 查詢 不必 必為 為每 每項 項任 任務 務另 另行 行訓 練模 型或 或手 手動 動設 設計 計特 特徵 型推 推論 論時 時可 可取 取用 用最 最多 筆歷 歷史 史範 範例 例作 作為 為上 上下 下文 並保 保留 留資 料表 表之 之間 間的 不需 需先 先攤 攤平 平成 成單 單一 一表 表格 作者 者在 在涵 涵蓋 個資 庫的 的評 評測 測中 中表 表示 型勝 勝過 過監 監督 督式 式關 聯模 型與 與專 專家 家設 計的 的梯 梯度 度提 提升 升樹 樹流 流程 企業 業基 基準 準測 測試 試中 集成 成模 型高 型可 可透 透過 的開 開源 原生 生結 結構 構化 化資 料模 型函 函式 式庫 也可 可部 部署 署為 對維 維護 測流 程的 的團 團隊 隊而 而言 這種 種做 做法 法可 可能 能把 把部 部分 分工 工作 作從 從逐 逐任 務設 轉為 為資 表與 詢整 整合 但現 現有 有結 結果 果無 無法 法說 說明 明特 特定 定資 庫上 上的 的整 整體 體服 服務 務成 成本 程式 式碼 碼採 權重 重則 則採 封裝 裝或 或散 散布 布部 署前 前應 應分 分別 別確 確認 認權 重授 授權 權條 條款
來源
更正與後續紀錄
- 更正 2026 年 10 月 23 日
在 SAP SALT 企業基準測試中，Kumo Relational 的平均倒數排名（MRR）比大型 AutoGluon 集成模型高 8%。（依來源更新後的內容修正）
本文摘要與見解由 AI 自動生成，事實以原文為準。 AI 內容政策