🚀 NVIDIA Kumo Relational предсказывает по базам данных без обучения NVIDIA выпустила Kumo Relational — предобученную модель для реляционных баз, которая делает предсказания (отток, спрос, мошенничество) за один forward pass. Без обучения под задачу, без feature engineering, без flattening таблиц. Модель работает напрямую с таблицами, foreign keys и временными метками, собирая контекстные примеры из истории. По данным Hugging Face, это первая few-shot модель, обходящая supervised ML на реляционных бенчмарках. Код — Apache 2.0, веса — OpenMDW License Agreement 1.1. На 41 задаче из 15 баз (RelBench V1/V2, SAP SALT, 4DBInfer) модель превзошла supervised relational deep learning и экспертные градиентно-бустинговые пайплайны. На RelBench V1 классификации средний прирост +4 AUROC против XGBoost на инженерных признаках. На SAP SALT — +8% MRR против AutoGluon-ансамблей, после fine-tuning +16% MRR. На RelArena-α Kumo Relational примерно в 430 раз быстрее rtl-plurel при схожей точности. Механика: модель обучалась на синтетических реляционных данных, сгенерированных по методу PluRel (ICML 2026). Внутри — column attention, row attention, graph attention по primary/foreign keys и cross-sample attention между контекстными примерами. Такая архитектура избегает квадратичной стоимости и масштабируется до 500B+ строк через kumo-engine, читающий данные на скорости до 5 GB/s. Ограничения названы честно: на задачах с очень большими обучающими выборками supervised-модели могут быть точнее, а предсказательный сигнал должен быть достижим за ограниченное число хопов в графе связей. Для российских команд, использующих XGBoost-конвейеры на реляционных данных, это потенциальная замена, но интеграция с отечественными стеками и зависимость от GPU/NIM требуют отдельной проверки. Главный риск — не точность, а соблазн выбросить работающие пайплайны, которые годами встроены в бизнес-процессы. +4 AUROC на бенчмарке не гарантирует такого же прироста на ваших грязных данных, а переход на новую модель означает новые инфраструктурные затраты и переписывание мониторинга. Я бы начал с A/B-теста на одной задаче, а не с миграции всего стека. #KumoRelational #NVIDIA #structureddata #foundationmodels #XGBoost