- 要約 (TL;DR)
- 構造化データ基盤モデルへのシフト
- Kumo Relational の仕組み
- Kumo Relational の構築プロセス
- パフォーマンス
- 制限事項
- デモ
- NVIDIA Kumo Relational を使った開発を始める
- 謝辞
要約 (TL;DR)
NVIDIA Kumo Relational は、企業のデータベースに対して直接予測を行える事前学習済みのリレーショナル基盤モデル(relational foundation model)です。予測クエリが与えられると、最大10,000件の過去サンプルをコンテキストとして収集し、1回のフォワードパス(forward pass)でユーザーの解約、需要の変動、不正検出などの結果を予測します。タスク固有のトレーニングや特徴量エンジニアリング(feature engineering)は不要で、複数テーブルのフラット化(flattening of tables)も必要ありません。Kumo Relational は、一般的なリレーショナルベンチマークにおいて従来の教師あり機械学習を凌駕した初のフューショット(few-shot)基盤モデルです。15のデータベースにまたがる41のタスクにおいて、教師ありリレーショナルディープラーニングモデルや専門家によってチューニングされた勾配ブースティング木(gradient-boosted tree)パイプラインを上回る性能を発揮しました。さらに、SAP SALT エンタープライズベンチマークでは平均逆順位(MRR)で AutoGluon アンサンブルモデルを8%上回っています。また、5,000億行(500B+)を超えるデータベースまでスケール可能であり、人間のユーザーだけでなくエージェント(Agent)からの利用にも適しています。NVIDIA がオープンソースで提供する GPU ネイティブ最適化済みの structured-data-models ライブラリ経由で呼び出すことも、NVIDIA NIM マイクロサービスとしてデプロイすることも可能です。