Google TabFM – nollanäyte-ennustusten uusi aikakausi taulukkotiedoille

Arkkitehtuuri: vuorotteleva rivi-sarakkeinen huomiomekanismi

TabFM käyttää hybridi-huomio (vuorotteleva rivi-sarake) transformer-arkkitehtuuria . Toisin kuin teksti, joka on yksiulotteista, taulukkotiedot vaativat samanaikaisesti rivien ja sarakkeiden välisten suhteiden ymmärtämistä. TabFM vuorottelee huomiota seuraavasti:

• Sarakekohtainen huomio (column-wise attention) piirteiden välisten riippuvuuksien sieppaamiseksi
• Rivikohtainen huomio (row-wise attention) näytteiden välisten riippuvuuksien sieppaamiseksi

Tämä kaksivaiheinen mekanismi rakentaa kiinteäulotteisia upotuksia riveistä ja sarakkeista, jolloin malli pystyy yleistämään mielivaltaisiin taulukkorakenteisiin päätelyvaiheessa . Ratkaisu yhdistää elementtejä aiemmista taulukkomalleista, kuten TabPFN:stä (rivi/sarakehuomio) ja TabICL:stä (kontekstioppiminen) .

Täysin synteettisellä datalla koulutus

TabFM koulutettiin kokonaan sadoilla miljoonilla synteettisillä dataseteillä, jotka generoitiin rakenteellisilla kausaalimalleilla (SCM) . Tämä lähestymistapa ohittaa avoimen lähdekoodin taulukkotiedon niukkuus- ja laatuongelmat; suuri osa oikeasta datasta sisältää arkaluonteista tai omistusoikeudellista tietoa, jota ei voida vapaasti käyttää laajamittaiseen esikoulutukseen . Hallitsemalla datan generointiprosessia Google varmisti monipuolisen ja hyvin jakautuneen koulutuskorpuksen ilman oikean maailman yritysdataa .

TabArena-sijoitus: huipputulokset

TabFM validoitiin TabArena-vertailussa, joka on elävä Elo-luokiteltu vertailualusta taulukkokoneoppimismenetelmille ja jolla on julkinen tulostaulu osoitteessa tabarena.ai . Googlen raportoimien tulosten mukaan:

• TabFM-Ensemble (32 ensembleä poikkileikkaus- ja SVD-ominaisuuksilla) saavuttaa huipputulokset TabArenassa johtaen tulostaulua sekä luokittelu- että regressiotehtävissä .
• TabFM-Single (yksi läpivienti ilman ensembleä) saavuttaa toiseksi parhaat tulokset, kilpaillen tai ylittäen aiemmat taulukkomallit kuten TabPFN v2 ja viritetyt gradienttitehostetut puut .

Tarkat Elo-pisteet riippuvat reaaliaikaisen tulostaulun tilasta, mutta Googlen omat luvut näyttävät TabFM-Ensemblen kärjessä molemmissa paneeleissa . Heinäkuun 2026 alussa TabArenan luokittelutulostaulun paras yksittäismalli oli TabPFN-3 (Elo 1721), ja ensemble-pohjaiset menetelmät kuten AutoGluon extreme (4h) toimi yleisenä kattotasona . TabFM muuttaa tätä kilpailutilannetta.

Lisensointi: kaksoislisenssi

TabFM käyttää kaksoislisenssimallia:

Mallin painot on julkaistu ei-kaupallisella, lähdekoodin saatavuuden sallivalla lisenssillä – ne eivät ole täysin avointa lähdekoodia OSI:n määritelmän tai G7:n vuoden 2026 neliportaisen viitekehyksen mukaan . Päättelykoodi ja esimerkkinotbookit käyttävät kuitenkin sallivaa Apache 2.0 -lisenssiä . Tämä kuvio heijastaa Googlen tapaa muiden tutkimusmallien, kuten Gemman, kohdalla (uusimmat Gemma-sukupolvet siirtyivät Apache 2.0:aan ) ja on linjassa Prior Labsin TabPFN-mallien ei-kaupallisten painojen kanssa .

BigQuery-integraatio via AI.PREDICT

Google suunnittelee suoran integraation TabFM:stä BigQueryyn viikkojen kuluessa julkaisusta . BigQueryn käyttäjät voivat suorittaa nollanäyte-luokittelua ja regressiota käyttämällä AI.PREDICT SQL -komentoa, joka noudattaa BigQuery ML:n olemassa olevien hallittujen päättelytoimintojen syntaksia (kuten AI.FORECAST TimesFM:lle) . Odotettu syntaksi on:

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

Tämä integraatio antaa data-asiantuntijoille mahdollisuuden soveltaa TabFM-ennustuksia suoraan SQL:ssä ilman erillistä ML-infrastruktuuria tai mallien käyttöönottoa . Julkaisuhetkellä (1.7.2026) tätä integraatiota kuvattiin tulevana, mutta sitä ei vielä näkynyt BigQueryn julkaisutiedoissa . Googlen olemassa oleva BigQuery ML -ekosysteemi tukee jo hallittua päättelyä TimeSFM:lle (AI.FORECAST), omille malleille (ML.PREDICT) ja kolmannen osapuolen avoimille malleille Hugging Facesta ; TabFM olisi ensimmäinen taulukkojen perusmalli, jolla on sisäänrakennettu AI.PREDICT-oikotie.

Tärkeät huomiot

• Googlen Research-blogiartikkeli julkaistiin 1. heinäkuuta 2026, joten kyseessä on hyvin uusi tieto . Jotkut yksityiskohdat – kuten täysi akateeminen artikkeli, tarkat reaaliaikaiset TabArena-pisteet julkaisuhetkellä ja BigQueryn julkaisuaikataulu – voivat vielä muuttua.
• Analyysihetkellä ei ollut saatavilla virallista Google Researchin artikkelia tai arXiv-esijulkaisua. Tekniset arkkitehtuuriyksityiskohdat perustuvat toissijaiseen raportointiin ja blogiartikkeliin .
• AI.PREDICT-funktio, joka on dokumentoitu BigQuery ML:lle, käyttää tällä hetkellä ML.PREDICT-syntaksia rekisteröidyn mallin kanssa ; TabFM:n AI.PREDICT-syntaksi saattaa olla uusi sisäänrakennettu oikotie, joka on analoginen TimeSFM:n AI.FORECAST-funktiolle ja jota ei vielä ole dokumentoitu julkaisutiedoissa.
• TabFM:n ei-kaupallinen painolisenssi rajoittaa kaupallista käyttöä ilman erillistä sopimusta, mikä saattaa vaikuttaa yritysten käyttöönottosuunnitelmiin.