NVIDIA が2026年10月21日（米国時間）、企業のデータベースに直接つないで予測できる基盤モデル「Kumo Relational」を公開した。順位表「RelArena-α」で最高点のモデルとほぼ同じ正確さを約430倍速い推論で出し、「SAP SALT」では AutoGluon の集団学習モデルを平均逆順位で8%、手直し後は16%上回ったとしている。
- NVIDIA が2026年10月21日（米国時間）、企業のデータベースに直接つないで予測できる「関係データ基盤モデル」（Relational Foundation Model）「Kumo Relational」を公開した。予測したい内容を示すと、最大1万件の過去の実例を手がかりに、追加の学習や特徴量作りをせずに1回の計算で予測する。解約・需要・不正などの予測を挙げている
- 41種類の課題・15個のデータベース（RelBench V1・V2、SAP SALT、4DBInferなど、ECや医療、企業、学術の分野を含む）で、教師あり学習の関係データ向けモデルや、人が特徴量を作り込んだ勾配ブースティング木のモデルを上回ったとしている。少数の例から学ぶ基盤モデルが、関係データの共通のベンチマークで教師あり学習を上回ったのはこれが初めてだとしている
- 企業向けベンチマーク「SAP SALT」では、AutoGluonの集団学習モデルを平均逆順位（MRR）で8%上回り、手直し（ファインチューニング）するとその差は16%に広がるとしている。ほかの最近の表データ向け基盤モデルとの差は約25%だという
- 「RelArena-α」の順位表では、最高点のモデルとほぼ同じ正確さを、約430倍速い推論時間で出せたとしている（1,000件あたりの推論時間が最高点のモデルの約7,300秒に対し、Kumo Relationalは約17秒）
- 学習データの0.2%程度の量を手がかりにしても性能を保ち、テーブルどうしをつなぐ外部キーの関係を最大75%取り除いても安定し、関係の無い列を多く混ぜても性能がほとんど落ちないとしている
- 5,000億行を超えるデータベースにも対応し、NVIDIAが公開したGPU向けのオープンソースの道具「structured-data-models」や、NVIDIA NIMとして10月21日から使えるとしている
- コードはApache 2.0ライセンス、モデルの重みはOpenMDW License Agreement（version 1.1）で公開した。料金についての言及は無い
確かめた一次資料
この記事は、上の一次資料の原文を読んで書いています。数字は原文のとおりで、計算した値はそう書いています。