چه چیزی معرفی شد؟

انویدیا در پست وبلاگ Hugging Face از Kumo Relational رونمایی کرده است؛ مدلی بنیادین و پیش‌آموخته برای داده‌های رابطه‌ای. بنا بر توضیح انویدیا، کاربر یک پرس‌وجوی پیش‌بینی می‌نویسد، مدل نمونه‌های تاریخی را به‌عنوان نمونه‌های زمینه (context) جمع می‌کند و نتیجه‌ای مانند ریزش مشتری، تقاضا یا تقلب را در یک عبور رو به جلو (forward pass) پیش‌بینی می‌کند. طبق ادعای منبع، نیازی به آموزش اختصاصی هر وظیفه، مهندسی ویژگی یا مسطح‌سازی جدول‌ها نیست.

وظایف با زبان Predictive Query Language یا PQL تعریف می‌شوند؛ زبانی اعلامی که در آن مشخص می‌کنید چه چیزی پیش‌بینی شود، نه چگونه.

برای بررسی:NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required

روش کار و نحوه ساخت

به گفته انویدیا، مدل مستقیماً روی پایگاه‌داده کار می‌کند و جدول‌ها، کلیدهای خارجی و برچسب‌های زمانی را در نظر می‌گیرد. هر نمونه زمینه شامل زیرگرافی پیرامون یک موجودیت در یک زمان مشخص و هدف واقعی آن است. برای وظایف زمانی، فقط داده‌های پیش از زمان لنگر به مدل داده می‌شود تا نشت داده رخ ندهد.

معماری شامل توجه درون جدول (ستونی و سطری) و سپس توجه گرافی بین جدول‌ها و توجه میان نمونه‌های زمینه است. پیش‌آموزش فقط روی داده‌های رابطه‌ای مصنوعی انجام شده که بر پایه رویکرد PluRel تولید شده‌اند.

برای بررسی:NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required

نتایج گزارش‌شده

طبق گزارش خود انویدیا، مدل روی ۴۱ وظیفه در ۱۵ پایگاه‌داده از RelBench نسخه‌های ۱ و ۲، SAP SALT و 4DBInfer ارزیابی شده و هیچ‌کدام در پیش‌آموزش دیده نشده‌اند. ادعا می‌شود مدل از مدل‌های یادگیری عمیق رابطه‌ای نظارت‌شده و خطوط لوله درخت تقویت‌شده با ویژگی‌های مهندسی‌شده توسط متخصص بهتر عمل می‌کند.

در RelBench V1 برای وظایف طبقه‌بندی، میانگین برتری نسبت به درخت‌های تقویت‌شده با ویژگی‌های مهندسی‌شده نزدیک به ۴ امتیاز AUROC ذکر شده است. در SAP SALT، برتری ۸ درصدی در MRR نسبت به گروه‌های AutoGluon گزارش شده و با تنظیم دقیق این فاصله به ۱۶ درصد می‌رسد. همچنین در لیدربورد RelArena-α، مدل حدود ۴۳۰ برابر سریع‌تر از rtl-plurel با دقت مشابه ذکر شده است. این اعداد ادعاهای منتشرشده توسط انویدیا هستند؛ آزمون مستقل در این منبع ارائه نشده است.

برای بررسی:NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required

دسترسی و محدودیت‌ها

مدل از طریق کتابخانه متن‌باز structured-data-models با شتاب GPU (device=cuda در نمونه کد) یا به‌صورت NVIDIA NIM همراه با کلاینت متن‌باز قابل استفاده است. وزن‌ها از Hugging Face دانلود می‌شوند. کد تحت Apache 2.0 و وزن‌ها تحت OpenMDW نسخه ۱.۱ منتشر شده‌اند. موتور kumo-engine طبق ادعا پایگاه‌داده‌های بیش از ۵۰۰ میلیارد ردیف را پشتیبانی می‌کند. منبع درباره دسترسی در ایران یا یکپارچگی با ابزارهای ایرانی چیزی نمی‌گوید.

محدودیت‌های بیان‌شده: مدل روی داده‌هایی با روابط معنادار و پویایی زمانی بهتر عمل می‌کند؛ در وظایف با مجموعه آموزشی بسیار بزرگ ممکن است مدل‌های نظارت‌شده اختصاصی کمی بهتر باشند؛ و سیگنال‌های پیش‌بینی باید در تعداد محدودی گام (hop) در دسترس باشند. برای تیم‌های داده، پیام اصلی این است که پیش‌بینی جدید می‌تواند به‌جای پروژه کامل، یک پرس‌وجو باشد، اما اعتبارسنجی روی داده خودی همچنان لازم است.

برای بررسی:NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required

پشت این نوشته

منابع و جزئیات

این خبر با کمک هوش مصنوعی نوشته شده و با بررسی خودکار منابع و متن منتشر شده است. تصویر، تصویرسازی مفهومی است.

این منابع را می‌توانی برای بررسی ادعاها و جزئیات بیشتر بخوانی. تاریخ کنار هر منبع، زمان بررسی آن برای این نوشته است.

  1. NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required
    huggingface.coبررسی:

نخستین انتشار:

روش تهیه و بازبینی نوشته‌ها