Arkitektur: Vekslende række-kolonne attention

TabFM bruger en hybrid attention-arkitektur (vekslende række-kolonne) transformer . I modsætning til tekst, der er endimensionelt, kræver tabeldata forståelse af sammenhænge på tværs af både rækker og kolonner samtidigt. TabFM skifter mellem attention på:

• Kolonnevis attention for at fange afhængigheder mellem features
• Rækkevis attention for at fange afhængigheder mellem observationer

Denne to-trins mekanisme opbygger faste dimensionelle indlejringer af rækker og kolonner, så modellen kan generalisere til vilkårlige tabellestrukturer under inferens . Tilgangen kombinerer elementer fra tidligere tabulære funderingsmodeller, herunder TabPFN-style række/kolonne attention og TabICL-style in-context learning .

Træning udelukkende på syntetiske data

TabFM blev trænet udelukkende på hundredvis af millioner af syntetiske datasæt genereret af strukturelle kausale modeller (SCM'er) . Denne tilgang omgår problemerne med knaphed og kvalitet af open source-tabeldata, hvoraf meget indeholder følsomme eller proprietære oplysninger, der ikke frit kan bruges til storstilet prætræning . Ved at kontrollere datagenereringsprocessen sikrede Google et mangfoldigt og velafbalanceret træningskorpus uden at være afhængig af data fra den virkelige verden .

TabArena-rangering: State-of-the-art resultater

TabFM blev valideret på TabArena, en levende Elo-baseret benchmark for tabulære maskinlæringsmetoder med en offentlig leaderboard på tabarena.ai . Ifølge Googles rapporterede resultater:

• TabFM-Ensemble (med 32 ensembler og krydssektionelle samt SVD-features) opnår state-of-the-art resultater på TabArena og fører leaderboardet for både klassifikations- og regressionsopgaver .
• TabFM-Single (enkelt gennemløb uden ensembling) leverer stærke andenpladsresultater, konkurrencedygtige med eller overgående tidligere tabulære funderingsmodeller som TabPFN v2 og finjusterede gradient-boostede træer .

De præcise Elo-scorer afhænger af leaderboardets aktuelle tilstand, men Googles egne figurer viser TabFM-Ensemble øverst i både klassifikations- og regressionspanelerne . Pr. begyndelsen af juli 2026 var den bedste enkeltmodelposition på TabArenas klassifikationsleaderboard besat af TabPFN-3 (Elo 1721), med ensemblebaserede metoder som AutoGluon extreme (4h) som det overordnede loft . TabFMs indtog ændrer dette konkurrencelandskab.

Licens: Dobbelt licensmodel

TabFM bruger en dobbelt licensmodel:

Modelvægtene er udgivet under en ikke-kommerciel, kilde-tilgængelig licens – hvilket betyder, at de ikke er fuldt open source ifølge OSI-definitionen eller G7's fire-trins rammeværk fra 2026 . Inferenskoden og eksempel-notebooks bruger dog den tilladende Apache 2.0-licens . Dette mønster spejler Googles tilgang med andre forskningsmodeller som Gemma (som senere skiftede til Apache 2.0 for nyere generationer ) og er i overensstemmelse med, hvordan Prior Labs udgiver TabPFN-modelvægte under ikke-kommercielle vilkår .

BigQuery-integration via AI.PREDICT

Google planlægger at integrere TabFM direkte i BigQuery i løbet af ugerne efter annonceringen . BigQuery-brugere vil kunne køre nul-shots klassifikation og regression ved hjælp af AI.PREDICT SQL-kommandoen, der følger syntaksmønstret fra BigQuery ML's eksisterende administrerede inferensfunktioner (svarende til AI.FORECAST for TimesFM) . Den forventede syntaks er:

SELECT * FROM AI.PREDICT(
  MODEL tabfm,
  TABLE your_data
)

Denne integration vil give data teams mulighed for at anvende TabFM-forudsigelser direkte i SQL uden at administrere separat ML-infrastruktur eller modelimplementeringer . Pr. annonceringsdatoen (1. juli 2026) blev denne integration beskrevet som nært forestående, men var endnu ikke afspejlet i BigQuerys release notes . Googles eksisterende BigQuery ML-økosystem understøtter allerede administreret inferens for TimesFM (AI.FORECAST), brugerdefinerede modeller (ML.PREDICT) og tredjeparts open source-modeller fra Hugging Face ; TabFM vil være den første tabulære funderingsmodel, der får en indbygget AI.PREDICT-genvej.

Vigtige forbehold at huske

• Det officielle Google Research-blogindlæg blev offentliggjort den 1. juli 2026, så dette er meget nyt . Nogle detaljer – det fulde akademiske papir, præcise live TabArena-scorer ved udgivelsen og den præcise BigQuery-udgivelsestidslinje – kan stadig være under udvikling.
• Intet officielt Google Research-papir eller arXiv-udgivelse var offentligt tilgængeligt på tidspunktet for denne analyse. Tekniske arkitekturdetaljer stammer fra sekundær rapportering og blogindlægget .
• AI.PREDICT-funktionen, der i øjeblikket er dokumenteret for BigQuery ML, bruger ML.PREDICT med et registreret modelobjekt ; AI.PREDICT-syntaksen for TabFM kan være en ny indbygget genvej analog med AI.FORECAST for TimesFM, endnu ikke dokumenteret i release notes på nuværende tidspunkt.
• TabFMs ikke-kommercielle vægtlicens begrænser kommerciel brug uden en separat aftale, hvilket kan påvirke virksomheders adoptionsplaner.

Arkitektur: Vekslende række-kolonne attention

TabFM bruger en hybrid attention-arkitektur (vekslende række-kolonne) transformer . I modsætning til tekst, der er endimensionelt, kræver tabeldata forståelse af sammenhænge på tværs af både rækker og kolonner samtidigt. TabFM skifter mellem attention på:

• Kolonnevis attention for at fange afhængigheder mellem features
• Rækkevis attention for at fange afhængigheder mellem observationer

Denne to-trins mekanisme opbygger faste dimensionelle indlejringer af rækker og kolonner, så modellen kan generalisere til vilkårlige tabellestrukturer under inferens . Tilgangen kombinerer elementer fra tidligere tabulære funderingsmodeller, herunder TabPFN-style række/kolonne attention og TabICL-style in-context learning .

Træning udelukkende på syntetiske data

TabFM blev trænet udelukkende på hundredvis af millioner af syntetiske datasæt genereret af strukturelle kausale modeller (SCM'er) . Denne tilgang omgår problemerne med knaphed og kvalitet af open source-tabeldata, hvoraf meget indeholder følsomme eller proprietære oplysninger, der ikke frit kan bruges til storstilet prætræning . Ved at kontrollere datagenereringsprocessen sikrede Google et mangfoldigt og velafbalanceret træningskorpus uden at være afhængig af data fra den virkelige verden .

TabArena-rangering: State-of-the-art resultater

TabFM blev valideret på TabArena, en levende Elo-baseret benchmark for tabulære maskinlæringsmetoder med en offentlig leaderboard på tabarena.ai . Ifølge Googles rapporterede resultater:

• TabFM-Ensemble (med 32 ensembler og krydssektionelle samt SVD-features) opnår state-of-the-art resultater på TabArena og fører leaderboardet for både klassifikations- og regressionsopgaver .
• TabFM-Single (enkelt gennemløb uden ensembling) leverer stærke andenpladsresultater, konkurrencedygtige med eller overgående tidligere tabulære funderingsmodeller som TabPFN v2 og finjusterede gradient-boostede træer .

De præcise Elo-scorer afhænger af leaderboardets aktuelle tilstand, men Googles egne figurer viser TabFM-Ensemble øverst i både klassifikations- og regressionspanelerne . Pr. begyndelsen af juli 2026 var den bedste enkeltmodelposition på TabArenas klassifikationsleaderboard besat af TabPFN-3 (Elo 1721), med ensemblebaserede metoder som AutoGluon extreme (4h) som det overordnede loft . TabFMs indtog ændrer dette konkurrencelandskab.

Licens: Dobbelt licensmodel

TabFM bruger en dobbelt licensmodel:

Modelvægtene er udgivet under en ikke-kommerciel, kilde-tilgængelig licens – hvilket betyder, at de ikke er fuldt open source ifølge OSI-definitionen eller G7's fire-trins rammeværk fra 2026 . Inferenskoden og eksempel-notebooks bruger dog den tilladende Apache 2.0-licens . Dette mønster spejler Googles tilgang med andre forskningsmodeller som Gemma (som senere skiftede til Apache 2.0 for nyere generationer ) og er i overensstemmelse med, hvordan Prior Labs udgiver TabPFN-modelvægte under ikke-kommercielle vilkår .

BigQuery-integration via AI.PREDICT

Google planlægger at integrere TabFM direkte i BigQuery i løbet af ugerne efter annonceringen . BigQuery-brugere vil kunne køre nul-shots klassifikation og regression ved hjælp af AI.PREDICT SQL-kommandoen, der følger syntaksmønstret fra BigQuery ML's eksisterende administrerede inferensfunktioner (svarende til AI.FORECAST for TimesFM) . Den forventede syntaks er:

SELECT * FROM AI.PREDICT(
  MODEL tabfm,
  TABLE your_data
)

Denne integration vil give data teams mulighed for at anvende TabFM-forudsigelser direkte i SQL uden at administrere separat ML-infrastruktur eller modelimplementeringer . Pr. annonceringsdatoen (1. juli 2026) blev denne integration beskrevet som nært forestående, men var endnu ikke afspejlet i BigQuerys release notes . Googles eksisterende BigQuery ML-økosystem understøtter allerede administreret inferens for TimesFM (AI.FORECAST), brugerdefinerede modeller (ML.PREDICT) og tredjeparts open source-modeller fra Hugging Face ; TabFM vil være den første tabulære funderingsmodel, der får en indbygget AI.PREDICT-genvej.

Vigtige forbehold at huske

• Det officielle Google Research-blogindlæg blev offentliggjort den 1. juli 2026, så dette er meget nyt . Nogle detaljer – det fulde akademiske papir, præcise live TabArena-scorer ved udgivelsen og den præcise BigQuery-udgivelsestidslinje – kan stadig være under udvikling.
• Intet officielt Google Research-papir eller arXiv-udgivelse var offentligt tilgængeligt på tidspunktet for denne analyse. Tekniske arkitekturdetaljer stammer fra sekundær rapportering og blogindlægget .
• AI.PREDICT-funktionen, der i øjeblikket er dokumenteret for BigQuery ML, bruger ML.PREDICT med et registreret modelobjekt ; AI.PREDICT-syntaksen for TabFM kan være en ny indbygget genvej analog med AI.FORECAST for TimesFM, endnu ikke dokumenteret i release notes på nuværende tidspunkt.
• TabFMs ikke-kommercielle vægtlicens begrænser kommerciel brug uden en separat aftale, hvilket kan påvirke virksomheders adoptionsplaner.