NVIDIA 發布了 Kumo，這是一種專為表格數據預測任務設計的全新深度學習架構。該模型引入了表格不變行編碼器與關係圖變換器，以在相連表格間交換資訊，從而樹立了準確性和效率的新標竿。

Kumo 解決了傳統機器學習方法（如 XGBoost）在表格數據上通常優於深度學習的歷史性差距。它的發布標誌著一項重要的技術進步，為企業提供了一種兼具高準確率與計算效率的強大深度學習替代方案。

該架構利用表格不變行編碼器和關係圖變換器，有效處理相連表格與上下文標籤。此設計使其能夠實現低延遲、高吞吐量的預測，非常適合即時服務場景。

事件背景

表格數據以類似電子表格的行和列組織，廣泛存在於商業和科學應用中。歷史上，XGBoost 等梯度提升演算法因在結構化數據上的優異表現而主導了該領域，超越了早期的神經網路。Kumo 代表了將基於變換器的深度學習力量帶入此領域的最新努力，旨在匹配或超越傳統方法，同時提供可擴展性。