<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
<channel>
  <title>MATRIX · Kumo Tabular</title>
  <link>https://derekwang2002.github.io/ai-intelligence/projects/kumo-tabular/</link>
  <description>AI 模型、Agent、工程与基础设施的重要变化，附一手来源与建议等级。</description>
  <language>zh-CN</language>
  <lastBuildDate>Mon, 02 Nov 2026 16:56:00 GMT</lastBuildDate>
  <atom:link href="https://derekwang2002.github.io/ai-intelligence/feeds/projects/kumo-tabular.xml" rel="self" type="application/rss+xml"/>
  <item>
    <title>NVIDIA 发布免训练表格预测模型 Kumo Tabular</title>
    <link>https://derekwang2002.github.io/ai-intelligence/events/ev-20260929-01/</link>
    <guid isPermaLink="false">ev-20260929-01-published</guid>
    <pubDate>Tue, 29 Sep 2026 16:01:24 GMT</pubDate>
    <category>新事件</category>
    <category>TRIAL</category>
    <description>&lt;p&gt;NVIDIA 发布开放权重表格基础模型 Kumo Tabular。它把带标签的行当作上下文，用一次前向计算完成分类或回归，无需针对任务训练或做特征工程。三种模型规模从 28M 到 215M 参数，全部用合成表格预训练。NVIDIA 报告它在 TabArena、BeyondArena、TALENT 与 ScoringBench 的综合排名均为第一。权重免申请并使用 OpenMDW-1.1，推理代码为 Apache-2.0；训练配方与合成数据生成器则仍停留在“即将发布”。&lt;/p&gt;&lt;p&gt;&lt;strong&gt;为什么读：&lt;/strong&gt;开放权重让表格冷启动变成一次前向计算，适合与树模型做留出集对照。&lt;/p&gt;&lt;p&gt;建议等级：TRIAL&lt;/p&gt;&lt;p&gt;来源：&lt;a href=&quot;https://huggingface.co/blog/nvidia/kumo-tabular&quot;&gt;NVIDIA Kumo Tabular release article&lt;/a&gt; · &lt;a href=&quot;https://huggingface.co/nvidia/Kumo-Tabular&quot;&gt;NVIDIA Kumo Tabular model card and weights&lt;/a&gt; · &lt;a href=&quot;https://github.com/NVIDIA/structured-data-models&quot;&gt;NVIDIA structured-data-models repository&lt;/a&gt;&lt;/p&gt;</description>
  </item>
</channel>
</rss>
