Sin ingeniería de características, sin aplanar, sin entrenar
Nvidia ha publicado Kumo Relational, un modelo fundacional preentrenado que hace predicciones directamente sobre una base de datos relacional. Se conecta la base, se escribe una consulta predictiva en un lenguaje que Nvidia llama PQL, y el modelo reúne hasta 10.000 ejemplos históricos como contexto y predice el resultado en un único paso hacia adelante.
Lo que se salta es justo la parte que suele llevar tiempo. Predecir fuga de clientes o fraude desde una base multitabla implica normalmente aplanar las tablas en un fichero ancho, diseñar a mano características a partir de los cruces y entrenar un modelo con ellas. Kumo Relational no hace nada de eso. Se preentrenó una vez sobre datos relacionales sintéticos generados con un método que Nvidia llama PluRel, y cada tarea nueva se resuelve con aprendizaje en contexto en lugar de entrenamiento. Para tareas temporales reproduce estados históricos de la base para que el modelo no pueda ver el futuro.
Los resultados son de la propia Nvidia
Nvidia lo describe como el primer modelo fundacional de pocos ejemplos que supera al aprendizaje supervisado en pruebas relacionales habituales, y las cifras proceden del artículo de la propia compañía. No se han reproducido de forma independiente.
La evaluación cubre 41 tareas en 15 bases de datos tomadas de RelBench V1 y V2, SAP SALT y 4DBInfer, con datos de comercio electrónico, medicina, empresa, redes sociales y academia, ninguno visto durante el preentrenamiento. En la clasificación de RelBench V1, Nvidia dice que el modelo va casi cuatro puntos de AUROC por delante de los árboles potenciados con características diseñadas por expertos. En SAP SALT declara un rango recíproco medio un 8% mejor que grandes conjuntos de AutoGluon, y siete puntos de MRR mejor que XGBoost con características diseñadas, que llegan a 13 tras el ajuste fino.
Las cifras de robustez son las más interesantes. Nvidia afirma que el modelo funciona bien con apenas el 0,2% de los datos de entrenamiento como contexto, aguanta cuando se eliminan tres cuartas partes de las claves ajenas y apenas se degrada al añadir columnas ruidosas. Esas son las condiciones en las que llegan las bases de datos reales.
El canje en la tabla de clasificación
En la tabla RelArena-α, Nvidia sitúa el modelo en torno a 1.842 de Elo con unos 17 segundos por cada 1.000 muestras. La entrada superior, rt-plurel, alcanza 1.878 de Elo y tarda unos 7.300 segundos en el mismo trabajo, unas 430 veces más. Ese es el argumento de Pareto en el que se apoya el lanzamiento: una pequeña distancia de precisión compensada con dos órdenes y medio de magnitud de velocidad.
Dónde deja de funcionar
Nvidia enumera los límites con claridad. El modelo quiere datos con relaciones reales y dinámica temporal; en tareas con conjuntos de entrenamiento muy grandes, un modelo supervisado todavía puede ganar, ya que la predicción en contexto está limitada a 10.000 ejemplos en estas pruebas. La señal predictiva debe ser alcanzable en un número limitado de saltos por el esquema, así que la documentación recomienda empezar con una consulta acotada sobre unas pocas tablas en lugar de apuntarlo a todo.
El código es Apache 2.0 y se instala como paquete de Python; los pesos están en Hugging Face bajo la versión 1.1 del OpenMDW License Agreement y se descargan en el primer uso. También puede ejecutarse como un NIM de Nvidia.
Lo que hay que vigilar es si alguien fuera de Nvidia reproduce los márgenes de RelBench. Un modelo fundacional que elimina la ingeniería de características de la predicción empresarial es una afirmación grande, y por ahora la única parte que lo ha probado es la que vende las GPU en las que corre.
