Google TabFM: Model, který rozumí tabulkám, aniž by je kdy viděl

• Pozorností po sloupcích (column-wise attention) – k zachycení závislostí mezi jednotlivými příznaky (features)
• Pozorností po řádcích (row-wise attention) – k zachycení závislostí mezi jednotlivými vzorky (samples)

Tento dvoufázový mechanismus vytváří embeddingy řádků a sloupců s pevnou dimenzí, což modelu umožňuje zobecnit na libovolné tabulkové struktury v době inference . Přístup kombinuje prvky z dřívějších tabulkových základních modelů, včetně pozornosti na úrovni řádků/sloupců z modelu TabPFN a učení v kontextu z modelu TabICL .

Trénink výhradně na syntetických datech

TabFM byl natrénován výhradně na stovkách milionů syntetických datových sad generovaných pomocí strukturálních kauzálních modelů (SCMs) . Tento přístup obchází problém nedostatku a nízké kvality otevřených tabulkových dat, z nichž mnohá obsahují citlivé nebo proprietární informace, které nelze volně použít pro rozsáhlé předtrénování . Řízením procesu generování dat Google zajistil různorodý a dobře distribuovaný tréninkový korpus, aniž by se musel spoléhat na reálná obchodní data .

Umístění v žebříčku TabArena: Špičkové výsledky

TabFM byl validován na TabAreně, živém Elo-hodnoceném benchmarku pro tabulkové ML metody, který je k dispozici na webu tabarena.ai . Podle zveřejněných výsledků Googlu:

• TabFM-Ensemble (používající 32 ensemble modelů s průřezovými a SVD příznaky) dosahuje na TabAreně špičkových výsledků a vede žebříček jak pro klasifikační, tak pro regresní úlohy .
• TabFM-Single (jediný dopředný průchod bez ensemblingu) dosahuje silných druhých míst, srovnatelných nebo lepších než předchozí tabulkové základní modely jako TabPFN v2 nebo vyladěné gradientem posílené stromy (gradient-boosted trees) .

Přesné Elo skóre závisí na aktuálním stavu živého žebříčku, ale grafy z Googlu ukazují TabFM-Ensemble na vrcholu v obou kategoriích – klasifikaci i regresi . Na začátku července 2026 držel pozici nejlepšího samostatného modelu v klasifikačním žebříčku TabAreny model TabPFN-3 (Elo 1721), přičemž ensemble metody jako AutoGluon extreme (4h) představovaly celkový strop . Vstup TabFM toto konkurenční prostředí výrazně mění.

Licence: Duální model

TabFM používá duální licenční model:

Váhy modelu jsou uvolněny pod nekomerční licencí, což znamená, že nejsou plně open source podle definice OSI nebo čtyřúrovňového rámce G7 z roku 2026 . Kód pro inferenci a ukázkové notebooky však používají permisivní licenci Apache 2.0 . Tento model se shoduje s přístupem Googlu u jiných výzkumných modelů, jako je Gemma (která u novějších generací přešla na Apache 2.0 ), a je konzistentní s tím, jak Prior Labs uvolňuje váhy modelu TabPFN pod nekomerčními podmínkami .

Integrace do BigQuery přes AI.PREDICT

Google plánuje přímou integraci TabFM do BigQuery v týdnech po oznámení . Uživatelé BigQuery budou moci spouštět zero-shot klasifikaci a regresi pomocí SQL příkazu AI.PREDICT, který se řídí syntaxí stávajících funkcí BigQuery ML pro spravovanou inferenci (podobně jako AI.FORECAST pro TimesFM) . Očekávaná syntaxe je:

Tato integrace by datovým týmům umožnila aplikovat predikce TabFM přímo v SQL, bez nutnosti správy samostatné ML infrastruktury nebo nasazování modelů . K datu oznámení (1. července 2026) byla tato integrace popsána jako bezprostředně očekávaná, ale dosud nebyla zohledněna v poznámkách k vydání BigQuery . Stávající ekosystém BigQuery ML již podporuje spravovanou inferenci pro TimesFM (AI.FORECAST), vlastní modely (ML.PREDICT) a modely třetích stran z Hugging Face ; TabFM by byl prvním tabulkovým základním modelem, který by získal vestavěnou zkratku AI.PREDICT.

Důležité výhrady

• Oficiální blogový příspěvek Google Research byl zveřejněn 1. července 2026, což je velmi nedávno . Některé podrobnosti – plný akademický článek, přesné živé skóre TabAreny v době vydání a přesný harmonogram vydání BigQuery – mohou být stále v pohybu.
• V době této analýzy nebyl veřejně dostupný žádný oficiální výzkumný článek Google Research ani preprint na arXivu. Technické podrobnosti o architektuře pocházejí z vedlejších zpráv a blogového příspěvku .
• Funkce AI.PREDICT aktuálně dokumentovaná pro BigQuery ML používá ML.PREDICT s registrovaným objektem modelu ; syntaxe AI.PREDICT pro TabFM může být nová vestavěná zkratka analogická AI.FORECAST pro TimesFM, která v době psaní tohoto textu ještě nebyla zdokumentována v poznámkách k vydání.
• Nekomerční licence vah TabFM omezuje komerční použití bez samostatné dohody, což může ovlivnit plány podnikového nasazení.