Kumo Tabular dari NVIDIA memprediksi data tabel tanpa pelatihan

NVIDIA merilis Kumo Tabular, foundation model terbuka yang memprediksi data tabel dalam sekali forward pass, tanpa training, tuning, maupun feature engineering. Anda memberinya sebuah tabel dan kolom yang ingin diprediksi, lalu model mengembalikan hasil klasifikasi atau regresi beserta estimasi ketidakpastian, mirip cara model bahasa menjawab prompt. Ukurannya kecil, tiga varian dari 28 juta sampai 215 juta parameter, dan NVIDIA menyebut varian terbesar berjalan 17 kali lebih cepat dari LimiX-2 dengan skor yang lebih tinggi.

Yang tidak biasa adalah data pelatihannya: tidak ada yang nyata. Kumo Tabular dilatih sepenuhnya dari tabel sintetis yang dibuat lewat Structural Causal Models, sehingga model melihat beragam relasi antar-kolom tanpa menyentuh dataset yang nanti dipakai mengujinya. Arsitekturnya menggabungkan attention antar-kolom, antar-baris, dan in-context, dengan temperature attention yang menyesuaikan ukuran tabel, serta menangani nilai yang hilang secara langsung alih-alih mengisinya. NVIDIA melaporkan peringkat pertama di empat benchmark dalam tulisannya, termasuk ELO 1950 di TabArena, tertinggi secara keseluruhan.

Kenapa ini penting

Kalau Anda membangun model dari spreadsheet atau tabel database, ini cara mendapat baseline kuat dalam hitungan detik tanpa siklus feature engineering dan penyetelan hyperparameter, layak dicoba sebelum menghabiskan seminggu membangun model gradient boosting secara manual.