英伟达发 Kumo Relational：不训练也能算数据库预测
英伟达 10 月 21 日介绍 Kumo Relational，一个直接跑在企业关系数据库上的预训练基础模型。它不摊平多表、不做特征工程、也不针对任务再训练：给一条用 PQL 写的预测查询，模型自己去取最多 10,000 条历史样本当上下文，沿主外键在表间做图注意力，一次前向给出流失、需求、欺诈这类结果。官方称这是第一个在常见关系基准上超过监督学习的少样本基础模型。
评测覆盖 RelBench V1/V2、SAP SALT 与 4DBInfer 的 41 个任务、15 个数据库，预训练数据全是合成关系库（基于 PluRel 的生成器），这些数据集都没进过预训练。在 RelArena-α 榜上它是 1,842 Elo、每千样本约 17 秒，榜首 rt-plurel 1,878 Elo 但要约 7,300 秒，官方口径是「同精度下快约 430 倍」；SAP SALT 上平均倒数排名比 AutoGluon 集成高 8%，微调后拉到 16%。鲁棒性侧给了三个数：上下文只用 0.2% 训练数据仍可用，删掉 75% 外键连接仍稳定，加大量噪声列性能下降有限。
它改变的是结构化数据这条线的做法：把「每个任务训一个模型」换成「一条查询 + 一段上下文」，且原生给智能体调用。代码 Apache 2.0、权重走 OpenMDW 1.1，另有 NIM 部署形态，图引擎可挂 500B 行以上。局限也写在官方文里：训练集很大时，任务专用监督模型仍可能赢过上下文预测（基准里上下文最多 1 万条）；预测信号要在有限跳数内可达。
核验记录
HF 博文 huggingface.co/blog/nvidia/kumo-relational 直读 200（152,093 字节）：JSON-LD datePublished 2026-10-21T18:26:30Z 与页内 Published October 21, 2026 双证，署名含 Jure Leskovec / Matthias Fey 等英伟达 Kumo 团队。HF 仓 nvidia/Kumo-Relational 的 createdAt 是 2026-07-20（建仓早于公告，按 R21 不作定日，已在正文回避「7 月发布」的说法）；该仓 base_model 标 jingang/TabICL、license openmdw-1.1。与库内 9-29 的 Kumo Tabular 是两个模型（那次是单表，这次是多表关系）。数字取自官方正文（10,000 上下文、41 基准 15 库、+8% MRR、微调 16%、0.2%、75%、500B 行、1,842 Elo/17 秒）。配图裸请求与带 Referer 双 200 / PNG 8621×4656。