NVIDIA Kumo Relational
来自 Hugging Face · 期号 2026-10-22
摘要
传统上，对关系数据库做预测需要数周的特征工程和针对每个任务的单独训练。NVIDIA Kumo Relational 改变了这一点：它是一个预训练的关系基础模型，直接对数据库做预测，不需要训练，也不需要特征工程。 给定一个预测查询，模型会收集最多 10,000 条历史样本作为上下文，然后一次前向传播就输出结果——比如预测用户流失、需求或欺诈。它不要求把多张表拍平成一张宽表，而是直接在表与表之间的外键关系上做推理。 在 15 个数据库的 41 个任务上，Kumo Relational 超过了有监督的关系深度学习模型和专家手工调优的梯度提升树。在 SAP SALT 企业基准上，它比 AutoGluon 集成模型高出 8% 的 MRR，微调后差距扩大到 16%。在 RelArena-α 排行榜上，它在精度接近最高分的情况下，推理速度快了约 430 倍。 模型通过 NVIDIA 开源的 structured-data-models 库或 NVIDIA NIM 提供，支持 500B 行以上的数据库。论文附了开源代码。
深读
导读 传统上，对关系数据库做预测需要数周的特征工程和针对每个任务的单独训练。NVIDIA 推出的 Kumo Relational 是一个预训练的关系基础模型，它直接对数据库做预测，不需要训练，也不需要特征工程。读完本文，你将了解这个模型的工作原理、性能表现，以及它如何让数据库预测变得像写查询一样简单。 关键信息 - Kumo Relational 是一个预训练的关系基础模型，给定预测查询后，它会收集最多 10,000 条历史样本作为上下文，然后通过一次前向传播输出结果。 - 在 15 个数据库的 41 个任务上，Kumo Relational 超过了有监督的关系深度学习模型和专家手工调优的梯度提升树。 - 在 SAP SALT 企业基准上，它比 AutoGluon 集成模型高出 8% 的 MRR（平均倒数排名），微调后差距扩大到 16%。 - 在 RelArena-α 排行榜上，它在精度接近最高分（Elo 1,842 vs 最高 1,878）的情况下，推理速度快了约 430 倍（约 17 秒 vs 约 7,300 秒）。 - 模型通过 NVIDIA 开源的、GPU 原生的 structured-data-models 库或 NVIDIA NIM 部署，代码和权重均已发布。 - 预训练数据完全由合成数据生成器 PluRel 产生，该生成器模拟真实关系数据库的 schema、外键和时序依赖。 逐节讲解 结构化数据基础模型的范式转变 本节将 Kumo Relational 的定位与 LLM 对 NLP 的变革类比。过去，NLP 需要为每个任务训练专用模型，而 LLM 凭借更高的准确性、更简单的部署和更强的灵活性取代了这套流程。Kumo Relational 对结构化数据做了同样的事：它作为一个即插即用的预训练模型，在 RelBench V1 分类任务上，平均比基于专家特征的 XGBoost 高出近 4 个 AUROC 点；在 SAP SALT 上，开箱即用比 XGBoost 高出 7 个 MRR 点，微调后差距扩大到 13 个 MRR 点。此外，模型通过 Predictive Query Language (PQL) 为 agent 提供了简单的预测接口。 Kumo Relational 的工作原理 大多数结构化数据基础模型只处理单张扁平表，而真实数据存在于多张关联表中。Kumo Relational 直接在数据库上操作，尊重表、外键和时间戳。它通过上下文学习（in-context learning）适应新任务，推理时读取最多 10,000 个上下文样本。每个样本将一个实体在某个时间点的局部子图与其真实目标配对。 推理过程分三步： 1. 自动上下文生成：任务用 PQL 声明，模型会回放历史数据库状态，采样以实体为中心的子图，并确保只使用锚点时间戳之前的数据，防止数…