NVIDIA 发布 Kumo Relational 关系型基础模型，无需训练即可在关系数据上超越监督学习

简而言之

NVIDIA Kumo Relational 是一个预训练的关系型基础模型，可直接在企业数据库上进行预测。给定一个预测查询，它最多收集 10,000 个历史样本作为上下文，并在单次前向传播中预测流失、需求或欺诈等结果。它无需特定任务训练、无需特征工程、也无需展平数据表。Kumo Relational 是首个在常见关系型基准上超越监督式机器学习的小样本基础模型。在 15 个数据库的 41 项任务中，它击败了监督式关系型深度学习模型和专家设计的梯度提升树流水线，在 SAP SALT 企业基准上，其平均倒数排名（MRR）超过 AutoGluon 集成模型 8%。它可扩展至 5000 亿行以上的数据库，通过 NVIDIA 开源的、GPU 原生的结构化数据模型库或作为 NVIDIA NIM，可同时供人类和智能体使用。

论文： https://arxiv.org/abs/2604.12596
文档： https://docs.nvidia.com/sdgm/rfm/overview

向结构化数据基础模型的转变

基础模型已经改写了语言和视觉领域的规则。不久前，生产级 NLP 还意味着每个任务一个专用模型，每个模型都由自己的分词、词形还原和 n-gram 流水线支撑。LLM 在很大程度上使这套技术栈过时，原因有三：它们比最好的任务专用模型更准确，投入生产要简单得多，而且足够灵活，开启了一个智能体应用的新时代。

同样的转变现在正发生在结构化数据领域。关系型数据库支撑着世界上最关键的商业决策，但在其上做预测建模仍然需要数周的特征工程、特定任务训练和调优流水线。结构化数据基础模型出于同样的三个原因改变了这一点：

如今更高的准确度：作为直接替代品，这些模型已经击败了许多生产流水线，尤其是 XGBoost。在 RelBench V1 分类任务上，Kumo Relational 在专家设计特征上平均比梯度提升树高出近 4 个 AUROC 点。在 SAP SALT 上，它在设计特征上开箱即用地比 XGBoost 高出 7 个 MRR 点，微调后高出 13 个 MRR 点。这些结果有力地支持了用 Kumo Relational 替代生产 XGBoost 流水线。

简洁与敏捷：一个预训练模型取代了各个任务各自的流水线。一个新的预测变成一次查询而非一个项目，因此 ML 团队终于可以在组织的各个层面承接传统 ML 因过于繁琐而无法构建的用例。

能够预测的智能体：LLM 让智能体能够读写和推理。结构化数据基础模型让它们能够预判接下来会发生什么，比如哪个客户会流失，并据此采取行动。Kumo Relational 已经为被智能体调用而构建，其预测查询语言（PQL）为它们提供了一个简单的接口来提出预测性问题。

今天，我们推出 Kumo Relational（论文，文档），一个预训练基础模型，将这一范式带到了关系型数据。连接数据库，描述要预测的内容，即可在单次前向传播中获得预测结果。无需训练。

Kumo Relational 的工作原理

大多数面向结构化数据的基础模型都只在单张扁平表上运行。而现实世界的数据却存在于关系数据库中：用户连接着订单，订单连接着产品，一切都在随时间演化。通过人工聚合（例如，“过去30天的平均订单价值”）将这些关系压平成一行，会丢失细粒度的结构信号，并且需要投入大量人力。

Kumo Relational 是一个关系基础模型，它直接在数据库上运行，遵循其表、外键和时间戳。它只需在反映真实世界数据集的合成关系数据上预训练一次，并通过上下文学习适应每一项新任务，在推理时可读取多达10,000个上下文示例。每个示例将一个实体在某个时间点周围的局部子图与其真实目标（例如，“该用户流失了”或“该商品售出142件”）配对。

![NVIDIA Kumo Relational 系统概览：(a) 数据库集成，(b) 将自然语言转换为预测查询的提示接口，以及 (c) 为 NVIDIA Kumo Relational 模型提供输入的自动上下文生成，该模型可跨租户横向扩展。]

图1. Kumo Relational 系统概览。连接数据库，指定预测查询，Kumo Relational 会处理其余一切，从上下文生成到模型推理。

为了进行预测，Kumo Relational 必须做三件事：(1) 理解每张表中的值，(2) 跨表关联记录，以及 (3) 将具有已知目标的上下文示例与被预测的实体关联起来。其工作原理如下：

![Kumo Relational 架构：(a) 包含任务、用户、订单和商品表的上下文输入；(b) 表内注入上下文目标的列注意力和行注意力；(c) 跨表的图注意力和跨样本注意力。]

图2. Kumo Relational 架构：(a) 上下文输入，(b) 表内推理，(c) 跨表推理。

自动上下文生成：任务用预测查询语言 (PQL) 编写，这是一种声明式接口，你只需说明要预测什么，而不必说明如何预测。对于时间任务，Kumo Relational 会重放历史数据库状态：它采样截至锚点时间戳的以实体为中心的子图，并根据该时间戳之后的事件计算每个目标，同时只向模型提供该时间戳之前的数据。这可以防止数据泄漏。

表内推理：一个轻量级网络独立处理每张表，交替进行列注意力（关联一列内的值）和行注意力（关联一行内的特征）。模型会学习哪些列和行对当前预测重要，并在噪声传播之前将其过滤掉。

跨表推理：一个更大的网络通过主键/外键关系上的图注意力，将行嵌入分布到关系结构上，并与跨上下文示例的跨样本注意力交错进行。关系推理就发生在这里，例如将用户画像与其交易历史关联起来。由于这一阶段处理的是行嵌入，而不是每张表中的每一个单元格，该设计避免了二次方成本，并可扩展到大型上下文和更深的子图。

Kumo Relational 是如何构建的

Kumo Relational 完全基于模拟的合成关系型数据进行预训练，这些数据旨在反映真实世界的关系型数据库及其多样化的预测查询。预训练分阶段进行，从单表逐步过渡到日益复杂的关系结构。

预训练所需的多样化关系型数据库很少公开，因此合成数据填补了这一空白。Kumo Relational 的生成器建立在 PluRel（Kothapalli 等人，ICML 2026）的方法之上，后者将单表数据生成器扩展到了完整的关系型数据库。Kumo 团队的多位成员参与了 PluRel 的开发，并共同撰写了原始论文。PluRel 分三个阶段生成每个数据库：模式（schema）、行之间像真实数据那样聚类的外键链接，以及来自结构因果模型、带有时间趋势和跨表依赖关系的列值。生成过程轻量高效，因此预训练数据实际上不受限制，而且 PluRel 论文表明，随着合成数据库的不断添加，预训练损失遵循幂律，其收益也能迁移到真实数据库。

通过这种预训练，模型学会了跨表过滤、关联和聚合信息，而不是依赖固定的聚合方式。当需要追求最高准确率时，Kumo Relational 还可以针对特定数据集和任务进行微调。

性能

在本文中，我们在来自 RelBench V1 和 V2、SAP SALT 以及 4DBInfer 的 15 个关系型数据库的 41 项基准上评估了 Kumo Relational，涵盖电商、医疗、企业、社交和学术领域。这些数据集均未在预训练中出现过。Kumo Relational 在分类和回归任务上均优于最强的监督模型，包括关系深度学习模型和专家工程化的表格集成模型。在比较 RelBench V1 上关系模型和系统的 RelArena-α 排行榜上，它开箱即处于准确率-效率的帕累托前沿：

![RelArena-α 排行榜的散点图：各任务的相对准确率（以 Elo 表示，y 轴）与每 1,000 个样本的中位推理时间（x 轴，对数刻度）。Kumo Relational 位于帕累托前沿，约 17 秒、Elo 1,842。得分最高的条目 rt-plurel 在约 7,300 秒时达到 Elo 1,878，大约慢 430 倍。其他所有基础模型、特征工程系统和监督模型的得分都更低，运行速度也比 Kumo Relational 更慢。]

图 3. RelArena-α 排行榜：各任务的 Elo 与每 1,000 个样本的中位推理时间（对数刻度）对比。在准确率相近的情况下，Kumo Relational 比得分最高的条目快约 430 倍。

论文还报告称，在 SAP SALT 企业基准上，Kumo Relational 在平均倒数排名（MRR）上超过大型 AutoGluon 集成模型 8%，超过近期的表格基础模型约 25%，而微调将其对 AutoGluon 的领先优势扩大到 16%。它在严苛条件下同样表现稳健：仅用 0.2% 的训练数据作为上下文时也能表现良好，在移除多达 75% 的外键链接时仍保持稳定，而在添加许多噪声列时几乎不出现性能退化。

局限性

Kumo Relational 在具有有意义关系和时序动态的数据上表现最佳，例如随时间变化的用户行为。在训练集非常庞大的任务上，特定任务的监督模型可能仍会在上下文预测中略胜一筹，而在我们的基准测试中，上下文预测最多使用了 10,000 个上下文示例。基础模型的微调正是为这种情况而设计的。预测信号还必须能在有限的跳数内触达，因此先从对少数相关表的聚焦查询开始，再按需扩展图。

演示

Kumo Relational 原生地在数据库上运行上下文学习：可在内存中、通过数据库和仓库连接器，或通过一个自定义图引擎，该引擎借助内存映射 I/O 以最高 5 GB/s 的速度处理 500B+ 行数据。它已在 NVIDIA 新发布的、GPU 原生的结构化数据模型库中提供，这个开源库同样为我们的姊妹模型 Kumo Tabular 提供支持。该库在首次使用时会从 Hugging Face Hub 下载权重，因此你可以在支持 GPU 的 notebook 中加载模型并直接进行预测。下面的代码将上下文示例、预测实体及其相关表传递给模型：

# pip install structured-data-models
import sdm

model = sdm.models.KumoRelational(device="cuda")
pred = model(
    # In-context training table (fkeys/timestamps/targets):
    x_context=...,
    y_context=...,
    # Prediction examples (fkeys/timestamps):
    x_query=...,
    # Multi-table information for context/prediction entities:
    related_context_tables=...,
    related_query_tables=...,
)

完整的 RelBench 和 SAP SALT 流水线，包括如何对每个实体的相关表进行采样，请参阅该库的关系示例。

若要将模型作为独立服务运行，可将其部署为 NVIDIA NIM，并在 notebook 中将开源的 structured-data-models-client 指向它。你用 PQL 编写预测，客户端会收集上下文示例和相关表，然后发送请求：

# pip install 'structured-data-models-client[relational]'
import sdm_client

client = sdm_client.SDMClient(url="http://localhost:8001")  # NIM URL
query = sdm_client.PredictiveQuery(
    # Prediction task in Predictive Query Language (PQL):
    "PREDICT COUNT(orders.*, 0, 30, days) FOR EACH users.user_id",
    # Multi-table data as pandas DataFrames (keys/links inferred):
    {"users": ..., "orders": ...},
)
pred = client.predict(
    # Context examples and related tables for the entities to predict:
    query.materialize(indices=[1, 2, 3]),
    model=sdm_client.KumoRelational(),
)

针对本地 NIM 和 Databricks 上端到端运行的示例，请参阅客户端的示例 notebook。

开始使用 NVIDIA Kumo Relational 进行构建

NVIDIA Kumo Relational 现已可用。阅读研究论文，探索快速入门 notebook，或直接在你自己的数据上开始预测。代码按 Apache 2.0 许可证发布，模型权重按 OpenMDW 许可协议 1.1 版发布。NVIDIA 认为可信 AI 是一项共同责任，我们已制定相关政策和实践，以支持面向广泛 AI 应用的开发。当开发者按照我们的服务条款下载或使用该模型时，应与支持该模型的团队合作，确保该模型满足相关行业和用例的要求，并应对未预见的产品误用。请在此处报告模型质量、风险、安全漏洞或 NVIDIA AI 相关问题。

论文： https://arxiv.org/abs/2604.12596
文档： https://docs.nvidia.com/sdgm/rfm/overview
代码： https://github.com/NVIDIA/structured-data-models
PyPI： https://pypi.org/project/structured-data-models/
客户端代码： https://github.com/NVIDIA/structured-data-models-client
客户端 PyPI： https://pypi.org/project/structured-data-models-client/
权重： https://huggingface.co/nvidia/Kumo-Relational
快速入门 notebook： https://github.com/NVIDIA/structured-data-models-client/blob/main/examples/local/relational.ipynb
相关研究： 预测查询语言（PQL）、PluRel、Kumo Tabular

致谢

我们感谢整个 Kumo 团队给予的宝贵支持。特别感谢 Josh Przybylko、Adi Wadaskar、Hema Raghavan、Manush Murali、Raja Rao DV、Keti Jovanovska、Zack Drach、Vanja Josifovski、Myungwhan Kim、Blaž Stojanovič、Siyang Xie、Alan Krumholz、Effy Fang、Abdullah Al-chihabi、Disha Dubey、Devan Johnson、Joseph Oliveira、Angela Liu、Miha Pelko、Vedaant Jain、Sally Liu、Aleksandar S. Sokolovski、Alex Porter 和 Ramona Bendias。