NVIDIA发布关系型基础模型Kumo Relational，无需训练预测流失、需求与欺诈

NVIDIA于2026年10月22日发布Kumo Relational，一款面向关系型数据库的预训练基础模型。该模型可直接在企业数据库上执行预测任务，给定预测查询后，会自动收集最多1万个历史样本作为上下文，在一次前向传播中输出客户流失、需求或欺诈等预测结果，无需任务特定训练、特征工程或表结构扁平化处理。

NVIDIA表示，Kumo Relational是首个在常见关系型基准上超越监督式机器学习的小样本基础模型。在覆盖15个数据库的41项任务中，它优于关系型深度学习模型和专家构建的梯度提升树流水线；在SAP SALT企业基准上，其平均倒数排名（MRR）较AutoGluon集成高出8%，微调后可扩大至16%。在RelBench V1分类任务中，该模型在专家工程化特征上的表现平均比梯度提升树高近4个AUROC点。此外，在RelArena-α排行榜上，Kumo Relational位于准确率与效率的帕累托前沿，与最高分方案相比，达到相近准确率所需时间约为后者的1/430。

Kumo Relational基于合成关系数据预训练，通过上下文学习适配新任务，能够理解表内及跨表主外键关系与时间戳，避免手动聚合带来的结构信息丢失。它可扩展至超过5000亿行的数据库，支持内存、数据库与数据仓库连接器，以及通过内存映射I/O实现的定制图引擎。该模型以Apache 2.0许可证开源，权重采用OpenMDW License 1.1发布，同时可作为NVIDIA NIM微服务部署。开发者可通过NVIDIA开源库structured-data-models直接加载模型，或使用预测查询语言（PQL）经客户端向NIM发送预测请求。