NVIDIA 发布 Kumo Tabular：让表格数据也能直接使用基础模型

NVIDIA 在 Hugging Face 开放了 Kumo Tabular，一款面向表格分类与回归任务的开放基础模型。给定带标签的样本表和待预测数据，模型可以通过一次前向推理直接输出结果，不需要针对每个任务重新训练、调参或进行特征工程。

Kumo Tabular 提供 Small、Medium、Large 三个版本，参数规模从 2800 万到 2.15 亿不等。模型完全使用合成表格数据预训练，并通过列、行和上下文注意力理解表格结构；官方同时开放了配套代码和模型权重，采用 OpenMDW-1.1 许可，可用于商业场景。

官方测试显示，Kumo Tabular 在 TabArena、BeyondArena、TALENT 和 ScoringBench 等基准上取得了领先结果。不过，它目前主要面向数值和类别列，面对分布变化明显的数据，仍需要使用团队自己的留出数据验证准确率与校准效果。

安可集编辑部认为，Kumo Tabular 的价值不只在于基准排名，更在于它把基础模型的使用方式带到了客户、交易、传感器和订单等企业常见的结构化数据中。对于过去依赖梯度提升树、特征工程和逐任务训练的团队，这种“提供示例即可预测”的方式值得持续关注。