如何掌握In-Context Learning？Kumo-Relational跨表学习机制详解

人工智能基础模型机器学习【免费下载链接】Kumo-Relational项目地址https://ai.gitcode.com/hf_mirrors/nvidia/Kumo-Relational点击查看免费下载Kumo Relational 是 NVIDIA 开源的表格数据预训练基础模型tabular foundation model基于 In-Context LearningICL上下文学习机制在多个相关表格之间直接完成分类与回归任务——无需训练只要给出示例就能进行预测。本文从零讲透它背后的跨表学习机制、仓库核心文件以及如何快速上手。 In-Context Learning 是什么In-Context Learning 借鉴了大语言模型的少样本few-shot思路不更新模型参数只把一批带标签的样本放在模型输入里模型就能照着示例对新样本做出推断。放在表格数据的场景里就是两种角色的数据Context上下文一批已带标签的行充当例题Query查询待预测的行也就是考题模型看例题、做考题——这正是 Kumo Relational 整个设计的核心。 Kumo Relational 是什么一句话定位一个面向相关表格之间做分类与回归的预训练基础模型。三大关键特性特性说明基于 KumoRFM-2NVIDIA 的表格基础模型系列行嵌入 关系消息传递把每一行编码成向量嵌入再让相关表格之间交换信息双任务权重分类用classifier.pt回归用regressor.pt模型权重在 TabICLv2BSD-3-Clause基础上微调而来本模型按 OpenMDW-1.1 协议发布详见仓库中的 LICENSE 与 THIRD-PARTY-NOTICES.txt。 跨表学习机制是如何工作的真实业务里数据几乎总是拆在多张表里用户表、订单表、支付表靠主外键关联。Kumo Relational 名字里的 Relational 就是为此而生带上相关表调用时传入related_context_tables上下文侧相关表和related_query_tables查询侧相关表关系消息传递相关表之间的信息逐层传递融合相当于神经网络版的JOIN融合后预测主表与相关表的信息合并后输出类别概率或连续值也就是说即使主表样本很少模型也能从相关表中借用知识——这就是跨表学习机制的核心价值也是它区别于普通表格模型的地方。 快速上手3 步跑起来第 1 步获取模型权重git clone https://gitcode.com/hf_mirrors/nvidia/Kumo-Relational提示classifier.pt与regressor.pt通过 Git LFS 存储clone 时会自动拉取真实权重文件约 114MB若只有指针文本请确认 LFS 环境。第 2 步安装推理库pip install structured-data-models第 3 步加载模型并预测import sdm model sdm.models.KumoRelational(taskclassification, devicecuda) probs model( x_contextx_context, # 带标签的行例题 y_contexty_context, # 对应的标签 x_queryx_query, # 待预测的行考题 related_context_tablesrelated_context, # 上下文侧相关表 related_query_tablesrelated_query, # 查询侧相关表 num_estimators8, )参数速查taskclassification或regression对应两套检查点num_estimators8 个估计器集成用少量算力换取预测稳定性device官方示例用cuda需 GPU也可按环境调整 仓库核心文件怎么读仓库结构非常简洁核心文件 1 分钟读完README.md项目介绍与快速开始config.json模型配置声明kumo_relational模型类型以及两个任务与检查点文件的对应关系{ model_type: kumo_relational, checkpoint_files: { classification: classifier.pt, regression: regressor.pt } }classifier.pt / regressor.pt分类与回归的模型权重LFS 文件LICENSE / THIRD-PARTY-NOTICES.txt许可协议与第三方来源说明❓ 新手常见问题Q1需要自己训练或微调吗不需要。这正是 In-Context Learning 的魅力——准备好上下文样本context和查询数据query直接调用即可。Q2能做回归吗可以。传taskregression即可切换到回归权重。Q3必须用 GPU 吗官方示例使用devicecuda实际可按硬件环境调整。Q4商用要注意什么模型权重按 OpenMDW-1.1 发布对模型产出的使用不设限制上游 TabICLv2 权重为 BSD-3-Clause。使用前请阅读仓库内许可文件。 小结In-Context Learning 看例题做考题不更新参数靠上下文样本完成少样本预测Kumo Relational用行嵌入 关系消息传递实现跨表信息共享适合多表关联的分类与回归场景上手只有 3 步pip install structured-data-models→ 准备 context 与 query → 调用模型预测掌握 In-Context Learning就是打开表格基础模型世界的一把钥匙而 Kumo Relational 的跨表学习机制值得每个数据工程师认真读一读。赞分享人工智能基础模型机器学习【免费下载链接】Kumo-Relational项目地址https://ai.gitcode.com/hf_mirrors/nvidia/Kumo-Relational点击查看免费下载相关推荐Kumo Tabular vs XGBoost表格基础模型如何挑战传统机器学习Kumo Tabular vs XGBoost表格基础模型如何挑战传统机器学习 Kumo Tabular 是 NVIDIA 发布的预训练 表格基础模型 t人工智能基础模型机器学习VulkanMod性能测试对比与传统OpenGL渲染器的终极较量VulkanMod性能测试对比与传统OpenGL渲染器的终极较量 VulkanMod是一款为Minecraft打造的Vulkan渲染器模组旨在通过新一代图形为什么In-Context Learning能改变表格建模看懂Kumo Tabular的上下文查询预测范式为什么In Context Learning能改变表格建模看懂Kumo Tabular的上下文查询预测范式 Kumo Tabular 是 NVIDIA 推出人工智能基础模型机器学习上一篇英雄联盟智能助手Seraphine三步实现免费战绩查询与BP决策优化下一篇G-Helper终极指南免费轻量级的华硕笔记本性能控制工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考