NVIDIA Kumo Relational batte il ML supervisionato sui dati relazionali senza training

Un nuovo modello per le previsioni sui database

NVIDIA ha rilasciato Kumo Relational, un modello base pre-addestrato progettato per funzionare direttamente con i database relazionali. Invece di richiedere settimane di feature engineering e regolazione dei modelli per ogni nuovo task, il modello può generare previsioni in un unico passaggio dopo che un utente descrive cosa vuole prevedere ¹.

Il sistema recupera fino a 10.000 esempi storici da un database come contesto per qualsiasi query, poi outputta previsioni per esiti come l'abbandono clienti, la domanda di prodotto o le frodi in un solo forward pass ¹. È disponibile come modello open-source attraverso la libreria GPU-native structured-data-models di NVIDIA e come endpoint NVIDIA NIM .

Come funziona

La maggior parte dei modelli base esistenti per i dati strutturati opera su singole tabelle piatte. Kumo Relational rispetta invece la struttura effettiva dei database relazionali, lavorando con tabelle, chiavi esterne e timestamp senza appiattirle in una singola riga larga ¹.

Il modello usa in-context learning, cioè impara dagli esempi di contesto che raccoglie al momento della previsione invece di fare affidamento su un training specifico per task ¹. Applica meccanismi di graph attention per ragionare all'interno delle singole tabelle e tra tabelle simultaneamente, collegando i record attraverso le relazioni già definite nello schema del database .

Per i task di previsione basati sul tempo, il sistema riproduce gli stati storici del database e campiona sottofigli centrati sulle entità attorno ai record oggetto di analisi ¹. Un Predictive Query Language integrato permette agli utenti di esprimere cosa prevedere in termini naturali invece di scrivere codice complesso di trasformazione dei dati .

Benchmark di prestazioni

Nei test che coprono 41 task estratti da 15 database, Kumo Relational ha battuto sia i modelli supervised relational deep learning che le pipeline expert-built gradient-boosted tree ¹. Sui task classification RelBench V1, ha battuto gli gradient-boosted tree con features hand-engineered di quasi quattro punti AUROC in media .

Sul benchmark enterprise SAP SALT, Kumo Relational ha superato gli AutoGluon ensembles di otto punti percentuali in mean reciprocal rank out of the box, e di 13 punti dopo fine-tuning ¹. Il modello è progettato per scalare orizzontalmente e gestire database contenenti oltre 500 miliardi di righe .

I ricercatori di NVIDIA hanno sviluppato il modello e pubblicato i loro risultati su arXiv ¹.

I fatti principali

• Kumo Relational è un modello base pre-addestrato che prevede direttamente sui database relazionali senza training specifico per task
• Raccoglie fino a 10.000 esempi storici di contesto al momento dell'inference e usa in-context learning
• Supera il deep learning supervisionato e le pipeline gradient-boosted tree su 41 task su 15 database
• Sul benchmark SAP SALT batte gli AutoGluon ensembles dell'8% in mean reciprocal rank senza fine-tuning
• Scala a database con oltre 500 miliardi di righe ed è disponibile come software open-source e tramite NVIDIA NIM

{"title": "the headline", "summary": "the standfirst", "caption": "the picture caption, or empty", "body": "the story, in Markdown"}

Fonti

1. NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required