NVIDIAは2026年10月21日(現地時間)、リレーショナル基盤モデル「クモ・リレーショナル (Kumo Relational)」を発表しました。このモデルは、エンタープライズデータベース上で予測を直接実行し、従来の教師あり機械学習モデルや勾配ブーストツリーパイプラインの性能を上回るとされています。タスク固有の学習、特徴量エンジニアリング、テーブルのフラット化が不要で、5000億行以上のデータベースに対応します。
クモ・リレーショナル (Kumo Relational) は事前学習済みのリレーショナル基盤モデルです。予測クエリが与えられると、最大10,000の履歴例をコンテキストとして収集し、チャーン、需要、詐欺などの結果を単一のフォワードパスで予測します。これは、NVIDIAによると、一般的なリレーショナルベンチマークにおいて教師あり機械学習を上回る初の数ショット学習基盤モデルであるといいます。
NVIDIAは、このモデルが15のデータベースにおける41のタスクで、教師ありリレーショナル深層学習モデルや専門家が設計した勾配ブーストツリーパイプラインの性能を上回ると説明しています。SAP SALTエンタープライズベンチマークでは、オートグルーオン (AutoGluon) アンサンブルを平均逆順位 (MRR) で8%上回り、事前調整なしでエックスジーブースト (XGBoost) を7 MRRポイント、ファインチューニング後には13 MRRポイント上回るといいます。クモ・リレーショナル (Kumo Relational) は、NVIDIAのオープンソースでGPUネイティブのstructured-data-modelsライブラリ、またはNVIDIA NIMとして提供されます。
クモ・リレーショナル (Kumo Relational) は、リレーショナルデータベースが持つテーブル、外部キー、タイムスタンプを尊重し、データベース上で直接動作します。合成リレーショナルデータで事前学習され、推論時に最大10,000のコンテキスト例を読み込むことで、新しいタスクに適応します。予測クエリ言語 (PQL) を使用し、何を予測するかを宣言的に記述することで、データ漏洩を防ぎながらコンテキストを生成します。テーブル内の推論は列注意と行注意によって、テーブル間の推論はグラフ注意とクロスサンプル注意によって実行されます。
参考: Hugging Face Blog (アーカイブ) — 2026年10月22日 03:26 (JST)
原文ハイライト"outperforms supervised machine learning on relational data, no training required"