NVIDIA Kumo表格模型开源 4基准登顶

时间：2026 年 9 月 29 日（美国时间） 地点：Hugging Face 平台、GitHub 开源社区 人物：NVIDIA 团队（Kumo Structured 模型集合） 事件详情：9 月 29 日，NVIDIA 在 Hugging Face 博客正式发布开源表格基础模型 Kumo Tabular，作为 NVIDIA Kumo Structured 模型集合的一部分。模型采用专为表格结构设计的 Transformer 架构，通过列注意力、行注意力与上下文注意力三段机制实现"上下文学习"——给定一个含标签行的表格，模型可在单次前向传播中预测新行的分类概率或回归分位数，全程无需训练、无需调参、无需特征工程。模型提供三个尺寸（28M、115M、215M 参数），仅在通过结构因果模型 SCM 生成的合成数据上预训练，权重以 OpenMDW-1.1 许可在 Hugging Face（nvidia/Kumo-Tabular）开放，可商用；配套推理库在 GitHub（NVIDIA/structured-data-models）开源。在 TabArena、BeyondArena、TALENT、ScoringBench 四项业界主流表格基准上，Kumo Tabular 均排名第一，刷新精度—效率帕累托前沿。 背景：表格数据是企业机器学习的核心载体——客户档案、交易流水、传感器日志、订单与理赔几乎都以表格形式存在，过去二十年业界普遍依赖 XGBoost、LightGBM、CatBoost 等梯度提升树模型，每个新任务都要重新采集标签、做特征工程、搜索超参、验证与部署，模型之间几乎无法迁移。TabPFN、TabICL 等近期研究曾尝试把大语言模型的"上下文学习"思路移植到表格，Kumo Tabular 是 NVIDIA 首次把这条路推到工业级规模，并给出四个基准的同时冠军成绩。 影响：Kumo Tabular 把企业表格建模的工作流从"重新训练一个模型"压缩到"把已有标签喂给模型"，对长期占据企业 ML 流水线的梯度提升树构成直接挑战——后者虽强但每个任务都要从零开始。NVIDIA 同时开放商业许可与推理库，等于把"GPU 加速 + 开源 + 无需训练"三件事打包给企业 ML 团队，预期会推动零售、金融、制造、医疗等领域的预测建模从"按表建模"走向"按需推理"。 总结：NVIDIA 用 Kumo Tabular 把大模型的上下文学习范式正式搬进表格预测，并一次性拿下 TabArena 等四项基准冠军；模型仅用合成数据预训练、却能在真实企业级表格基准上击败调优后的梯度提升树，意味着企业 ML 流水线长期"重训练、轻迁移"的格局正被改写。 参考来源： 1. Hugging Face Blog 官方发布 https://huggingface.co/blog/nvidia/kumo-tabular 2. GitHub 开源代码库（NVIDIA/structured-data-models） https://github.com/NVIDIA/structured-data-models 3. Hugging Face 模型权重（nvidia/Kumo-Tabular） https://huggingface.co/nvidia/Kumo-Tabular 4. ainews.bunrin.work 报道 https://ainews.bunrin.work/en/news/nvidia-kumo-tabular-sets-a-new-accuracy-efficiency-430955 5. theclarity.today 实测分析 https://theclarity.today/story/nvidia-kumo-tabular-sets-a-new-accuracy-efficiency-frontier-for-tabular-0823e1f3 6. superpowerdaily.com 报道 https://superpowerdaily.com/posts/nvidia-releases-kumo-tabular-to-predict-from-tables-without-task-specific-training 7. tokenfeed.ai 解读 https://tokenfeed.ai/nvidias-tabular-model-arrives-having-never-seen-real-data 8. dogely.com 产业分析 https://www.dogely.com/ai-opensource/8785.html