NVIDIA uruchomiła nową bibliotekę Structured Data Models, która integruje kilka pretrenowanych modeli do pracy z danymi tabelarycznymi pod wspólnym interfejsem PyTorch. Biblioteka opakowania TabICLv2 i KumoTabular dla pojedynczych tabel oraz KumoRelational dla całych relacyjnych baz danych, a każdy z nich wykorzystuje in-context learning do generowania prognoz bez konieczności trenowania.
Funkcjonalność biblioteki pozwala użytkownikom przekazać modelowi zbiór otagowanych wierszy i wskazać które wiersze chcą predykcji. Model zwraca rozkład prawdopodobieństwa lub pełny rozkład predyktywny w jednym forward passie. Biblioteka obsługuje typizowane tensory tabel, wspiera zarówno zadania klasyfikacyjne jak i regresyjne, a także umożliwia ponowne wykorzystanie zakodowanego kontekstu dla wielu zapytań.
Zastosowanie praktyczne obejmuje skalowanie do dwudziestu klas, pracę z wielotabelowymi bazami danych i predykcję aktywności klientów bezpośrednio z relacyjnych baz. Ważny aspekt to kwestia przecieków danych w modelach relacyjnych - biblioteka wymaga świadomej pracy z argumentami, aby uniknąć problemu, gdzie model uczy się zbyt wiele z samych relacji między tabelami zamiast rzeczywistych wzorców w danych.