英伟达开源Kumo Tabular，表格预测进入基础模型时代

英伟达9月29日通过Hugging Face博客发布Kumo Tabular，这是一款面向表格数据的开源基础模型，属于英伟达Kumo Structured模型集合。给定一张带有标签行的表格，它能在单次前向传播中完成对新行的预测，分类与回归共用同一套流程，既不需要重新训练，也不需要特征工程或超参数搜索。模型权重托管在Hugging Face，配套代码开源在英伟达的structured-data-models仓库中。

这套做法借鉴的是大语言模型的上下文学习。表格同样可以被当成上下文：模型先去理解每个单元格在所属列中的含义，再理解同一行各列如何相互作用，最后把带标签的上下文行与待预测行关联起来，输出类别概率或数值结果。Kumo Tabular因此是一台围绕表格结构搭建的Transformer，用到列注意力、行注意力与上下文注意力，这一技术路线由TabICL与TabPFN等工作提出。

规格方面，模型提供2800万到2.15亿参数三个规模，只用人工合成数据完成预训练，并以OpenMDW-1.1许可证发布，允许商业使用。英伟达把开源权重与开源库一并放出，还附带可以直接试用的Demo，姿态与只发论文、不放权重的实验室工作明显不同。

在性能表述上，英伟达称Kumo Tabular在TabArena、BeyondArena、TALENT和ScoringBench四个表格基准上均排名第一，并把这次发布称为表格预测在准确率与效率上的新前沿。这些说法来自厂商自述，博客同时也列出了Limitations一节，说明模型存在适用边界。

对产业界而言，值得关注的不是榜单，而是工作方式的改变。表格数据是机器学习的骨干：客户记录、交易流水、传感器日志、理赔与订单都躺在表里，预测流失、违约、需求与价格是最常见的任务。过去二十年，这类工作默认交给梯度提升树，效果稳定，但每个新问题都要重新收集标签、构造特征、调参、验证，再部署一个对表格几乎一无所知的模型。

如果基础模型路线成立，这些环节会被压缩成一次推理。但表格场景的数据规模、缺失模式与合规约束差异极大，实际落地仍需要与传统提升树方案做逐案对比，尤其是在数据稀缺或强解释性要求的场景里，基础模型未必是默认答案。

下一步值得观察两点：一是企业是否会把这套模型接入既有的MLOps流程，二是四项基准上的领先能否在真实业务数据上复现。表格基础模型的竞争正在升温，英伟达用合成数据预训练加开源权重的方式，把这场竞争从论文层面推向工程层面。