NVIDIA发布Kumo Tabular：开源表格基础模型支持免训练预测

事件概述：NVIDIA于2026年9月29日在Hugging Face官方博客发布Kumo Tabular，并开放模型权重与structured-data-models代码。它面向表格分类和回归任务，给定带标签的上下文行和待预测行后，可在一次前向计算中输出类别概率或数值预测。 模型与开发者：Kumo Tabular由NVIDIA开发，是Kumo Structured模型集合的一部分，提供Small、Medium、Large三种规模，参数量约2800万至2.15亿；模型完全使用人工生成的表格预训练，并以OpenMDW-1.1许可发布。 关键能力与改动：模型采用针对表格结构设计的Transformer，结合列注意力、行注意力和上下文学习，分别处理列内分布、行内特征交互以及带标签样本到查询行的映射。缺失值可由模型特殊处理，不要求传统的缺失值填补；回归任务还输出999个分位数，可同时给出点预测和不确定性估计。NVIDIA提供GPU原生structured-data-models库，将pandas数据转换为张量并直接加载Hub权重，推理不需要为每个新任务重新训练、调参或做特征工程。官方在统一单张RTX 6000 Pro环境下报告，Kumo Tabular在TabArena、BeyondArena、TALENT和ScoringBench等评测中取得领先结果。 适用对象：处理客户、交易、传感器、理赔或订单等结构化数据的机器学习工程师、数据科学团队，以及希望快速试验表格基础模型的企业。 实际影响与限制：Kumo Tabular把表格任务从“每个问题重新训练”转向上下文预测，可能缩短基线验证和原型周期；但它只直接支持数值和类别列，文本、图像和时间戳需要预处理，单次前向最多覆盖10个类别（库可用纠错输出码扩展）。当查询行与上下文分布不同，或表格规模超出训练范围时，准确率可能下降；NVIDIA的榜单成绩来自特定硬件和评测设置，部署前仍应在自有留出数据上验证准确率、校准和业务风险。 官方来源：https://huggingface.co/blog/nvidia/kumo-tabular