Apa Itu Google TabFM dan Bagaimana Model Jadual Zero-Shot Ini Berfungsi?

Seni Bina: Perhatian Baris-Lajur Berselang-Seli

TabFM menggunakan seni bina transformer perhatian hibrid (perhatian baris-lajur berselang-seli) . Tidak seperti data teks yang satu dimensi, data jadual memerlukan pemahaman hubungan merentas baris dan lajur secara serentak. TabFM berselang-seli antara:

• Perhatian mengikut lajur untuk menangkap kebergantungan antara ciri
• Perhatian mengikut baris untuk menangkap kebergantungan antara sampel

Mekanisme dua peringkat ini membina pembenaman dimensi tetap bagi baris dan lajur, membolehkan model digeneralisasikan kepada struktur jadual arbitrer semasa inferens . Pendekatan ini menggabungkan elemen daripada model asas jadual sebelumnya, termasuk perhatian baris/lajur gaya TabPFN dan pembelajaran dalam konteks gaya TabICL .

Latihan Sepenuhnya pada Data Sintetik

TabFM dilatih sepenuhnya pada ratusan juta set data sintetik yang dijana oleh model kausal berstruktur (SCM) . Pendekatan ini mengelakkan masalah kekurangan dan kualiti data jadual sumber terbuka, yang kebanyakannya mengandungi maklumat sensitif atau proprietari yang tidak boleh digunakan secara bebas untuk prapelatihan berskala besar . Dengan mengawal proses penjanaan data, Google memastikan korpus latihan yang pelbagai dan teragih dengan baik tanpa bergantung pada data perniagaan dunia sebenar .

Kedudukan TabArena: Keputusan Terkini

TabFM disahkan pada TabArena, sebuah penanda aras kediaman berperingkat Elo untuk kaedah ML jadual yang menampilkan papan pemuka awam di tabarena.ai . Menurut keputusan yang dilaporkan Google:

• TabFM-Ensemble (menggunakan 32 ensemble dengan ciri keratan rentas dan SVD) mencapai keputusan terkini di TabArena, mendahului papan pemuka untuk kedua-dua tugas klasifikasi dan regresi .
• TabFM-Single (satu hantaran ke hadapan tanpa ensemble) memberikan keputusan kukuh di tempat kedua, berdaya saing dengan atau mengatasi model asas jadual sebelumnya seperti TabPFN v2 dan pokok gradien ditala .

Skor Elo tepat bergantung pada keadaan papan pemuka langsung, tetapi angka Google sendiri menunjukkan TabFM-Ensemble di atas dalam kedua-dua panel klasifikasi dan regresi . Sehingga awal Julai 2026, kedudukan model tunggal teratas pada papan pemuka klasifikasi TabArena dipegang oleh TabPFN-3 (Elo 1721), dengan kaedah berasaskan ensemble seperti AutoGluon extreme (4j) sebagai siling keseluruhan . Kemasukan TabFM mengubah landskap kompetitif itu.

Pelesenan: Model Dwi-Lesen

TabFM menggunakan model dwi-lesen:

Pemberat model dikeluarkan di bawah lesen bukan komersial, tersedia sumber — bermakna ia bukan sumber terbuka sepenuhnya mengikut definisi OSI atau rangka kerja empat peringkat G7 2026 . Kod inferens dan buku nota sampel, bagaimanapun, menggunakan lesen permisif Apache 2.0 . Corak ini mencerminkan pendekatan Google dengan model penyelidikan lain seperti Gemma (yang kemudiannya beralih ke Apache 2.0 untuk generasi baharu ) dan konsisten dengan cara Prior Labs mengeluarkan pemberat model TabPFN di bawah terma bukan komersial .

Integrasi BigQuery melalui AI.PREDICT

Google merancang untuk mengintegrasikan TabFM terus ke dalam BigQuery dalam beberapa minggu selepas pengumuman . Pengguna BigQuery akan dapat menjalankan klasifikasi dan regresi zero-shot menggunakan arahan SQL AI.PREDICT, mengikut corak sintaks fungsi inferens terurus sedia ada BigQuery ML (serupa dengan AI.FORECAST untuk TimesFM) . Sintaks yang dijangka adalah:

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

Integrasi ini akan membolehkan pasukan data menggunakan ramalan TabFM terus dalam SQL tanpa mengurus infrastruktur ML yang berasingan atau penggunaan model . Sehingga tarikh pengumuman (1 Julai 2026), integrasi ini digambarkan sebagai akan berlaku tetapi belum lagi dicerminkan dalam nota keluaran BigQuery . Ekosistem BigQuery ML sedia ada Google sudah menyokong inferens terurus untuk TimesFM (AI.FORECAST), model tersuai (ML.PREDICT), dan model terbuka pihak ketiga dari Hugging Face ; TabFM akan menjadi model asas jadual pertama yang menerima pintasan AI.PREDICT terbina dalam.

Amaran Penting Perlu Diingat

• Catatan blog rasmi Google Research telah diterbitkan pada 1 Julai 2026, bermakna ini sangat baharu . Beberapa butiran — kertas akademik penuh, skor TabArena langsung tepat semasa keluaran, dan garis masa keluaran BigQuery yang tepat — mungkin masih berubah-ubah.
• Tiada kertas penyelidikan Google rasmi atau pracetak arXiv tersedia secara umum pada masa analisis ini. Butiran seni bina teknikal datang daripada laporan sekunder dan catatan blog .
• Fungsi AI.PREDICT yang didokumenkan untuk BigQuery ML kini menggunakan ML.PREDICT dengan objek model berdaftar ; sintaks AI.PREDICT untuk TabFM mungkin merupakan pintasan terbina dalam baharu yang serupa dengan AI.FORECAST untuk TimesFM, belum lagi didokumenkan dalam nota keluaran setakat penulisan ini.
• Lesen pemberat bukan komersial TabFM mengehadkan penggunaan komersial tanpa perjanjian berasingan, yang mungkin menjejaskan rancangan penggunaan perusahaan.