NVIDIA представила Kumo Relational для прогнозов по реляционным базам данных

Kumo Relational принимает предиктивный запрос к базе и собирает до 10 тысяч исторических примеров в качестве контекста. Затем предобученная модель выдаёт прогноз за один прямой проход, без обучения под конкретную задачу. В числе возможных запросов NVIDIA называет прогноз оттока клиентов, спроса и мошенничества. Для обращения к модели компания предлагает Predictive Query Language, или PQL: через него вопрос может задать человек либо агент.

Модель работает со связями между таблицами, внешними ключами и временными метками. В обычном ML-пайплайне данные для прогноза часто заранее собирают в плоскую таблицу: например, вручную вычисляют среднюю стоимость заказов клиента за последние 30 дней. Такая агрегация требует работы над признаками и может скрывать детали отдельных связей. Kumo Relational вместо этого получает локальный подграф вокруг нужной сущности на определённый момент времени и сопоставляет его с историческими примерами, для которых результат уже известен.

По описанию NVIDIA, модель один раз предобучили на синтетических реляционных данных, отражающих структуру реальных наборов. К новому запросу она адаптируется через in-context learning: примеры с известными ответами подаются при инференсе, а отдельное обучение модели для каждого прогноза не требуется. Это объясняет роль ограничения в 10 тысяч примеров: они служат контекстом для конкретного предсказания, а не набором для запуска нового цикла тренировки.

NVIDIA сообщает результаты на 41 задаче из 15 баз данных: по её оценке, Kumo Relational превзошла проверенные модели relational deep learning с обучением под задачу и пайплайны на градиентном бустинге с признаками, подготовленными экспертами. На классификационных задачах RelBench V1 преимущество перед бустингом компания оценивает почти в четыре пункта AUROC в среднем. На корпоративном бенчмарке SAP SALT она указывает результат на 8% выше ансамблей AutoGluon по MRR, метрике качества ранжирования. Эти цифры описывают испытания компании, а не гарантируют такое же преимущество на любой рабочей базе.

Для использования NVIDIA предлагает open-source библиотеку structured-data-models с поддержкой GPU и вариант развёртывания через NVIDIA NIM. Компания также заявляет о работе модели с базами объёмом более 500 миллиардов строк. Масштаб базы и размер контекста здесь обозначают разные вещи: в одном предсказании модель читает до 10 тысяч исторических примеров, хотя исходная база может быть гораздо больше. Для ML-команды это даёт способ быстро поставить новый предиктивный запрос, сохранив связи между исходными таблицами.