Kumo Tabular يتصدر أربعة معايير لبيانات الجداول
فريق تحرير بوابة الذكاء الاصطناعي
هيئة التحرير والتحليل التقني
NVIDIA Kumo Tabular يتصدر أربعة معايير لبيانات الجداول
يُعد NVIDIA Kumo Tabular نموذج أساس مفتوحاً للبيانات الجدولية، وقد حقق نتائج في المركز الأول عبر TabArena وBeyondArena وTALENT وScoringBench، مع استهداف التنبؤ بتمرير أمامي واحد من دون تدريب خاص بالمهمة أو هندسة للميزات.
أبرز النقاط
- يُعد NVIDIA Kumo Tabular نموذج أساس مفتوحاً للتنبؤ بالبيانات الجدولية، وهو متاح على Hugging Face ضمن مجموعة نماذج NVIDIA Kumo Structured.
- عند تزويده بصفوف معنونة داخل جدول، يتنبأ بتسميات الصفوف الجديدة عبر تمريرة أمامية واحدة، وقد صُمم للتصنيف والانحدار من دون تدريب أو ضبط أو هندسة للميزات ضمن سير العمل الموضح.
- تضم المجموعة ثلاثة أحجام تتراوح بين ٢٨ مليوناً و٢١٥ مليون مَعلمة، وقد دُرّبت مسبقاً باستخدام بيانات اصطناعية فقط.
- تقول NVIDIA إن النموذج حقق المركز الأول في TabArena وBeyondArena وTALENT وScoringBench. وفي TabArena، سجل ١٬٩٥٠ ELO ونفذ العمل بسرعة تفوق LimiX-2 بمقدار ١٧ مرة ضمن إعداد تقييم موحد باستخدام RTX 6000 Pro واحد.
- أُطلق النموذج ومكتبته مفتوحة المصدر بموجب ترخيص OpenMDW-1.1 للاستخدام التجاري، لكن ينبغي للفرق اختبار الأداء ومعالجة البيانات ومدى ملاءمة التشغيل ضمن أعباء العمل الخاصة بها.
ما الذي حدث؟
نشرت NVIDIA نموذج Kumo Tabular، وهو نموذج أساس مفتوح للبيانات الجدولية. ويأتي الإصدار ضمن مجموعة نماذج NVIDIA Kumo Structured، ويعالج إحدى مهام تعلم الآلة الأساسية: التنبؤ بتسمية مستهدفة انطلاقاً من بيانات منظمة في صفوف وأعمدة.
الادعاء التشغيلي هنا محدد بوضوح. فعند تزويده بجدول من الصفوف المعنونة، يتنبأ Kumo Tabular بتسميات الصفوف الجديدة عبر تمريرة أمامية واحدة. وتقول NVIDIA إن سير العمل هذا لا يحتاج إلى تدريب النموذج أو ضبط المعلمات الفائقة أو هندسة الميزات. وتشمل المهام المذكورة التصنيف والانحدار، وهما فئتان شائعتان من التنبؤ بالبيانات الجدولية. يضع التصنيف المدخل ضمن إحدى فئات متعددة، بينما يقدّر الانحدار قيمة رقمية مستمرة.
يمثل ذلك طرحاً مختلفاً عن المشروع التقليدي الذي يختار فيه الفريق خوارزمية، ويجهز الميزات، ويدرّب النماذج مراراً، ويضبط الإعدادات، ثم يقارن بين الأنظمة المرشحة. وتقدم NVIDIA نموذج Kumo Tabular بوصفه نموذجاً مدرباً مسبقاً يمكنه إجراء التنبؤات مباشرة من الجدول المعنون والصفوف الجديدة المقدمة. وهذا لا يلغي الحاجة إلى العمل على جودة البيانات أو إلى التقييم المستقل، لكنه يغير موضع الجهد في سير العمل المقترح.
تقول NVIDIA إن Kumo Tabular دُرّب مسبقاً باستخدام بيانات اصطناعية فقط. ويأتي الإصدار في ثلاثة أحجام تتراوح بين ٢٨ مليوناً و٢١٥ مليون مَعلمة. وهو متاح على Hugging Face ويعمل عبر مكتبة NVIDIA مفتوحة المصدر. كما توضح NVIDIA أن الإصدار يستخدم ترخيص OpenMDW-1.1 للاستخدام التجاري.
الأرقام
| المؤشر | النتيجة أو المواصفة الموثقة | سياق التقييم |
|---|---|---|
| أحجام النماذج | ثلاثة أحجام، من ٢٨M إلى ٢١٥M مَعلمة | إصدار NVIDIA Kumo Tabular |
| المهام المدعومة | Classification and regression | سير عمل التنبؤ الجدولي بتمرير أمامي واحد |
| بيانات التدريب المسبق | بيانات اصطناعية فقط | إفصاح NVIDIA |
| TabArena | ١٬٩٥٠ ELO؛ المركز الأول إجمالاً | الإعدادات الافتراضية عبر قائمة المتصدرين الكاملة على إعداد موحد باستخدام RTX 6000 Pro واحد |
| سرعة TabArena | أسرع بـ١٧ مرة من LimiX-2 | إعداد التقييم الموحد نفسه باستخدام RTX 6000 Pro واحد |
| BeyondArena | ١٬٤١٨ ELO؛ قابلية تحسين ٧٫٧٨٪؛ المركز الأول | نتيجة قائمة المتصدرين وفق تقرير NVIDIA |
| TALENT | المركز الأول إجمالاً عبر فئات المهام المعلنة | متوسط الترتيب: ٦٫٦٧ للدقة، ٣٫٩٨ لـlog-loss، و٤٫٢٢ لـRMSE في الانحدار |
| ScoringBench | احتل Large المركز الأول؛ واحتل Medium المركز الثاني وفق متوسط الترتيب | معيار للتوزيعات التنبؤية |
| التوافر والترخيص | Hugging Face، مكتبة مفتوحة المصدر، وترخيص OpenMDW-1.1 للاستخدام التجاري | معلومات إصدار NVIDIA |
أداء...تابع القراءة
سجل دخولك مجاناً لقراءة المقال كاملاً والوصول إلى أدوات الذكاء الاصطناعي.
تسجيل الدخول / إنشاء حساب
تابع القراءة
سجل دخولك مجاناً لقراءة المقال كاملاً والوصول إلى أدوات الذكاء الاصطناعي.
تسجيل الدخول / إنشاء حساب