NVIDIA、表形式基盤モデルKumo Tabularを公開

米NVIDIAは2026年9月30日、表形式データ（構造化データ）の予測に向けたオープンな基盤モデル「NVIDIA Kumo Tabular（表形式データ向けオープン基盤モデル）」を発表し、Hugging FaceおよびGitHubで公開しました。企業の機械学習業務において長年主流だった勾配ブースティング木（GBDT）とは異なり、モデルの追加学習や特徴量設計を行わず、ラベル付きデータを文脈として入力するだけで単一の推論処理から高精度な予測を出力できます。

単一フォワードパスで分類・回帰を予測するアーキテクチャ

Kumo Tabularは、大規模言語モデルで確立されたin-context learning（モデルの重みを更新せず入力の文脈例から推論する手法）を表形式データに応用したTransformerモデルです。

顧客レコードやセンサーログなどのテーブルに対し、ラベル付きの行（文脈）と未知の行（クエリ）を同時に読み込ませることで、重みを更新することなく分類のクラス確率や回帰予測を一度の順伝播処理で導き出します。

モデルは28M（Small）、71M（Medium）、215M（Large）の3つのサイズが提供され、ライセンスには商用利用が認められた「OpenMDW-1.1」が適用されています。実装はNVIDIAが新規公開したGPUネイティブライブラリ「structured-data-models」を通じて動作します。

合成テーブルのみで事前学習、主要ベンチマークで首位

Kumo Tabularの大きな特徴は、実データではなく構造的因果モデル（SCM）から生成された人工テーブルのみを用いて事前学習されている点です。Small・Medium・Largeの各サイズは、それぞれ約3,500万、約7,100万、約1億3,700万個の合成テーブルを用いて学習されました。欠損値や外れ値、ノイズパターンを学習データ生成時に組み込むことで、欠損値補完などの前処理なしで堅牢に動作するよう設計されています。

主要ベンチマーク「TabArena」の評価では、単一のRTX 6000 Pro環境下においてELOレーティング1950を記録して総合1位を獲得しました。既存の表形式基盤モデルであるLimiX-2と比較して17倍の高速動作を達成しています。さらに、BeyondArena（ELO 1418、改善余地スコア7.78%）、TALENT、ScoringBenchの各ベンチマークでも最高ランクを記録しました。

従来手法との比較と導入時の制約

Kumo Tabularの登場は、従来の表形式機械学習パイプラインと比べて運用の簡素化をもたらします。

項目	従来のGBDT（XGBoost / LightGBM等）	NVIDIA Kumo Tabular
​事前準備​	特徴量設計・ハイパーパラメータ探索が必須	不要（生テーブルを直接入力）
​学習コスト​	タスクごとにゼロからモデルを学習	事前学習済み重みによるin-context推論
​欠損値処理​	事前の補完や前処理パイプラインが必要	モデル内部で欠損値を直接処理
​ライセンス​	オープンソース（Apache 2.0 / MIT等）	OpenMDW-1.1（商用利用可能）

一方で、実務導入における未確認事項や制約も存在します。現行バージョンは数値列およびカテゴリ列を対象としており、自由記述テキストや画像、タイムスタンプ列を扱う場合は事前処理が必要です。また、1回のフォワードパスで処理可能な分類クラス数は最大10クラスに制限されており、それ以上の多クラス分類では誤り訂正出力コードを用いた拡張処理が必要となります。

分析・展望：表形式AIの標準ワークフローを塗り替える可能性

言語や画像に続いて「表形式データ」にも基盤モデルとin-context learningのパラダイムが本格的に到来したことを示しています。

これまで企業のデータ分析現場では、新しいタスクが発生するたびにデータサイエンティストが特徴量生成とモデルチューニングに多大な時間を費やしてきました。Kumo Tabularが実務レベルの汎用性と精度を維持できるならば、PoC（概念実証）の期間が数週間から数十分へと短縮される可能性があります。今後は実業務データでの検証や、表形式データと社内文書を組み合わせた複合エージェント基盤への統合が注目されます。

引用元：Hugging Face