Google TabFM: Model Zero-Shot untuk Data Tabel, Bisakah Gantikan Machine Learning Manual?

• Column-wise attention untuk menangkap ketergantungan antar fitur (kolom)
• Row-wise attention untuk menangkap ketergantungan antar sampel (baris)

Mekanisme dua tahap ini membangun embedding berdimensi tetap untuk baris dan kolom, memungkinkan model untuk beradaptasi dengan struktur tabel apa pun saat inferensi . Pendekatan ini menggabungkan elemen dari model fondasi tabel sebelumnya, seperti attention baris/kolom ala TabPFN dan in-context learning ala TabICL .

Pelatihan Sepenuhnya pada Data Sintetis

TabFM dilatih sepenuhnya pada ratusan juta dataset sintetis yang dihasilkan oleh structural causal models (SCMs) . Pendekatan ini menghindari masalah kelangkaan dan kualitas data tabel sumber terbuka, yang sebagian besar berisi informasi sensitif atau proprietary sehingga tidak bisa digunakan untuk pelatihan skala besar . Dengan mengendalikan proses pembuatan data, Google memastikan materi pelatihan yang beragam dan terdistribusi dengan baik tanpa bergantung pada data bisnis nyata .

Peringkat TabArena: Hasil State-of-the-Art

TabFM divalidasi menggunakan TabArena, sebuah benchmark hidup dengan peringkat ala Elo untuk metode ML tabel yang memiliki papan peringkat publik di tabarena.ai . Berdasarkan hasil yang dilaporkan Google:

• TabFM-Ensemble (menggunakan 32 ensemble dengan fitur cross-sectional dan SVD) mencapai hasil state-of-the-art di TabArena, memimpin papan peringkat untuk tugas klasifikasi dan regresi .
• TabFM-Single (satu kali forward pass tanpa ensemble) menempati posisi kedua yang kuat, bersaing dengan atau melampaui model fondasi tabel sebelumnya seperti TabPFN v2 dan gradient-boosted trees yang telah disetel .

Skor Elo yang tepat bergantung pada status papan peringkat real-time, tetapi data Google menunjukkan TabFM-Ensemble di puncak untuk kedua panel klasifikasi dan regresi . Pada awal Juli 2026, posisi model tunggal teratas di papan peringkat klasifikasi TabArena dipegang oleh TabPFN-3 (Elo 1721), dengan metode berbasis ensemble seperti AutoGluon extreme (4 jam) sebagai batas atas . Masuknya TabFM mengubah lanskap persaingan tersebut.

Lisensi: Model Lisensi Ganda

TabFM menggunakan model lisensi ganda:

Bobot model dirilis di bawah lisensi non-komersial yang source-available — artinya, model ini tidak sepenuhnya open source menurut definisi OSI atau kerangka empat tingkat G7 tahun 2026 . Namun, kode inferensi dan contoh notebook menggunakan lisensi Apache 2.0 yang permisif . Pola ini mirip dengan pendekatan Google pada model riset lain seperti Gemma (yang kemudian beralih ke Apache 2.0 untuk generasi terbaru ) dan konsisten dengan cara Prior Labs merilis bobot model TabPFN di bawah ketentuan non-komersial .

Integrasi BigQuery melalui AI.PREDICT

Google berencana untuk mengintegrasikan TabFM langsung ke BigQuery dalam beberapa minggu setelah pengumuman . Pengguna BigQuery akan dapat menjalankan klasifikasi dan regresi zero-shot menggunakan perintah SQL AI.PREDICT, mengikuti pola sintaks fungsi inferensi terkelola BigQuery ML yang sudah ada (mirip dengan AI.FORECAST untuk TimesFM) . Sintaks yang diharapkan adalah:

Integrasi ini akan memungkinkan tim data untuk menerapkan prediksi TabFM langsung di SQL tanpa harus mengelola infrastruktur ML terpisah atau penerapan model . Pada tanggal pengumuman (1 Juli 2026), integrasi ini digambarkan sebagai sesuatu yang akan segera hadir tetapi belum tercermin di catatan rilis BigQuery . Ekosistem BigQuery ML yang sudah ada mendukung inferensi terkelola untuk TimesFM (AI.FORECAST), model kustom (ML.PREDICT), dan model open source pihak ketiga dari Hugging Face ; TabFM akan menjadi model fondasi tabel pertama yang mendapatkan pintasan bawaan AI.PREDICT.

Hal-Hal yang Perlu Diperhatikan

• Posting blog resmi Google Research diterbitkan pada 1 Juli 2026, jadi ini adalah berita yang sangat baru . Beberapa detail — makalah akademis lengkap, skor TabArena real-time yang tepat saat rilis, dan jadwal rilis BigQuery yang pasti — mungkin masih berubah.
• Belum ada makalah resmi Google Research atau pracetak arXiv yang tersedia untuk umum pada saat analisis ini. Detail arsitektur teknis berasal dari laporan sekunder dan posting blog .
• Fungsi AI.PREDICT yang saat ini didokumentasikan untuk BigQuery ML menggunakan ML.PREDICT dengan objek model yang terdaftar ; sintaks AI.PREDICT untuk TabFM mungkin merupakan pintasan bawaan baru yang mirip dengan AI.FORECAST untuk TimesFM, yang belum didokumentasikan di catatan rilis hingga saat ini.
• Lisensi bobot non-komersial TabFM membatasi penggunaan komersial tanpa perjanjian terpisah, yang dapat memengaruhi rencana adopsi perusahaan.