The Pulse
NVIDIA pubblica Kumo Tabular con 215 milioni di parametri
NVIDIA ha pubblicato Kumo Tabular, un modello aperto per la classificazione e la regressione su dati strutturati, in tre dimensioni da 28 milioni a 215 milioni di parametri. Il modello usa righe etichettate come contesto ed effettua previsi
AI.info Team · Scritto con l’IA ·
NVIDIA afferma che il suo modello Kumo Tabular più grande ha appreso da 137 milioni di tabelle artificiali prima del lancio, avvenuto il 29 settembre 2026. La nuova famiglia di modelli è destinata alla classificazione e alla regressione: gli utenti forniscono esempi etichettati in una tabella e il modello predice etichette o valori per nuove righe senza addestramento, messa a punto o ingegneria delle caratteristiche specifici per il compito.
Tre dimensioni, un unico approccio basato sul contesto
Kumo Tabular è disponibile nelle versioni small, medium e large, da 28 milioni a 215 milioni di parametri. NVIDIA afferma che i modelli sono stati preaddestrati esclusivamente su dati artificiali, generati a partire da modelli causali strutturali: grafi causali simulati producono colonne e valori da predire, poi il processo aggiunge valori mancanti, caratteristiche correlate, valori anomali e altre irregolarità. Secondo l’azienda, i modelli small, medium e large hanno esaminato rispettivamente circa 35 milioni, 71 milioni e 137 milioni di tabelle sintetiche.
Al momento della predizione, le righe etichettate forniscono il contesto per quelle il cui risultato è sconosciuto. Il Transformer del modello elabora valori numerici e categoriali mediante meccanismi di attenzione sulle colonne e sulle righe, poi mette in relazione le etichette note con le righe per cui deve formulare una predizione. NVIDIA descrive il metodo come un unico passaggio in avanti, anziché come una procedura che riaddestra o mette a punto un modello distinto per ogni compito.
«Data una tabella di righe etichettate, predice le etichette delle nuove righe in un unico passaggio in avanti, senza addestramento, senza messa a punto e senza ingegneria delle caratteristiche, sia per la classificazione sia per la regressione».
Gli autori di NVIDIA Kumo Tabular
NVIDIA dichiara i migliori risultati in quattro benchmark
NVIDIA riferisce che Kumo Tabular è al primo posto in TabArena, BeyondArena, TALENT e ScoringBench. Su TabArena, l’azienda attribuisce al modello un punteggio Elo complessivo di 1.950; su BeyondArena, riporta un punteggio Elo di 1.418 e un punteggio Improvability del 7,78%. Il post afferma inoltre che Kumo Tabular guida le classifiche generali di TALENT per accuratezza della classificazione, log-loss della classificazione e RMSE della regressione, e che le versioni large e medium occupano i primi due posti nella classifica basata sul posizionamento medio di ScoringBench.
Si tratta dei risultati dei benchmark condotti da NVIDIA, non di una valutazione indipendente. L’azienda afferma di aver eseguito le tre versioni con le impostazioni predefinite su TabArena, confrontandole con modelli ad alberi potenziati tramite gradiente sottoposti a messa a punto, AutoGluon e altri modelli fondazionali per dati tabellari. Dice che la valutazione ha utilizzato una configurazione con una RTX 6000 Pro, ma nel testo del post non indica un chiaro fattore di incremento della velocità. NVIDIA afferma che pubblicherà in seguito la procedura di addestramento e i generatori di dati artificiali: i ricercatori esterni, quindi, non possono ancora riprodurre l’intero processo di preaddestramento a partire dai materiali di rilascio descritti nel post.
Utile per le tabelle, ma non per ogni tipo di dato
Il modello gestisce direttamente le colonne numeriche e categoriali. Testo, immagini e marcatori temporali richiedono un’elaborazione preliminare per essere trasformati in caratteristiche; un singolo passaggio in avanti supporta fino a 10 classi, mentre la libreria di NVIDIA usa codici di uscita a correzione d’errore per estendere la classificazione a un numero maggiore di classi. I pesi sono disponibili su Hugging Face con licenza OpenMDW 1.1 e NVIDIA indirizza gli sviluppatori alla sua libreria open source structured-data-models per l’inferenza.
NVIDIA avverte inoltre che l’accuratezza potrebbe diminuire quando una tabella si estende ben oltre gli intervalli rappresentati nell’addestramento o quando le righe su cui effettuare le predizioni hanno una distribuzione diversa da quella delle righe etichettate fornite come contesto. L’azienda consiglia agli utenti di verificare accuratezza e calibrazione su dati tenuti da parte prima dell’impiego. Questa avvertenza conta per le organizzazioni che valutano un’alternativa preaddestrata alla creazione di un modello distinto per ogni dataset: il modello elimina diversi passaggi di preparazione, ma il suo rilascio non elimina la necessità di provarlo sui dati e sulle decisioni in questione.
I dettagli sull’addestramento arriveranno in seguito
Il preaddestramento di Kumo Tabular basato esclusivamente su dati sintetici distingue i pattern appresi dal modello da qualsiasi affermazione secondo cui sarebbe stato addestrato su tabelle aziendali private. Il rilascio lascia però aperte questioni pratiche: se il suo primato nei benchmark regga su specifici dataset aziendali e quanto tempo l’inferenza faccia risparmiare negli impieghi reali. Il primo test che gli sviluppatori possono eseguire è già possibile grazie ai pesi del modello e alla libreria per l’inferenza di NVIDIA; il generatore di dati e la procedura di addestramento promessi dall’azienda non fanno ancora parte del rilascio.