不用训练、不做特征工程，英伟达新模型直接读企业数据库做预测，在 15 个数据库的 41 个任务上赢了监督学习。 我刚读完英伟达 10 月 21 日在 Hug… · @Daviswh · TwKit

@Daviswh

不用训练、不做特征工程，英伟达新模型直接读企业数据库做预测，在 15 个数据库的 41 个任务上赢了监督学习。 我刚读完英伟达 10 月 21 日在 Hugging Face 发的博客原文，容易漏掉的几点： · 它不把多张表拍平成一行，而是顺着外键直接读用户、订单、商品这些关联表；每次预测从历史里取最多 1 万个例子当上下文，一次前向就出结果 · 预训练用的全是合成数据库，评测的 15 个数据库它一个都没见过 · 在 SAP SALT 企业基准上，比 AutoGluon 集成高 8%（MRR），微调后拉到 16%；比专家手工特征加 XGBoost 开箱就高 7 个点 · 博客自己写了短板：训练数据特别多的任务，专门训练的模型可能还会略胜；预测信号要在几跳关联之内找得到 对谁有用：做流失、销量、风控预测的数据团队，可以先拿一个小查询试试它能不能替掉现有的 XGBoost 流程；代码是 Apache 2.0，权重放在 Hugging Face。 https://huggingface.co/blog/nvidia/kumo-relational

曝光 40 · 评论 2 · 点赞 1 · 书签 0