Google TabFM: nul-shot voorspellingen met een baanbrekend tabelmodel

• Kolomgewijze aandacht om afhankelijkheden tussen kenmerken vast te leggen
• Rijgewijze aandacht om afhankelijkheden tussen monsters vast te leggen

Dit tweetrapsmechanisme bouwt vastdimensionale inbeddingen van rijen en kolommen, waardoor het model kan generaliseren naar willekeurige tabelstructuren tijdens de inferentie . De aanpak combineert elementen van eerdere tabelgebaseerde funderingsmodellen, waaronder TabPFN-stijl rij/kolom aandacht en TabICL-stijl in-context learning .

Volledig getraind op synthetische data

TabFM werd getraind volledig op honderden miljoenen synthetische datasets gegenereerd door structurele causale modellen (SCM's) . Deze aanpak omzeilt de schaarste en kwaliteitsproblemen van open-source tabelgegevens, waarvan een groot deel gevoelige of eigendomsinformatie bevat die niet vrijelijk kan worden gebruikt voor grootschalige pre-training . Door het datageneratieproces te controleren, zorgde Google voor een diverse en goed verdeelde trainingscorpus zonder afhankelijk te zijn van echte bedrijfsgegevens .

TabArena-ranglijst: state-of-the-art resultaten

TabFM werd gevalideerd op TabArena, een levende, Elo-gerangschikte benchmark voor tabelgebaseerde ML-methoden met een openbaar scorebord op tabarena.ai . Volgens de gerapporteerde resultaten van Google:

• TabFM-Ensemble (gebruikt 32 ensembles met cross-sectionele en SVD-kenmerken) behaalt de beste resultaten op TabArena en staat bovenaan het klassement voor zowel classificatie- als regressietaken .
• TabFM-Single (enkele voorwaartse pas zonder ensembling) levert sterke tweede plaats resultaten, concurrerend met of beter dan eerdere tabelgebaseerde funderingsmodellen zoals TabPFN v2 en afgestemde gradient-boosted bomen .

De exacte Elo-scores zijn afhankelijk van de live stand van het scorebord, maar Google's eigen cijfers tonen TabFM-Ensemble bovenaan in zowel de classificatie- als regressiepanelen . Begin juli 2026 werd de beste single-model positie op het TabArena classificatieklassement ingenomen door TabPFN-3 (Elo 1721), met ensemble-gebaseerde methoden zoals AutoGluon extreme (4h) als algemeen plafond . De intrede van TabFM verschuift dat competitieve landschap.

Licentie: duaal model

TabFM gebruikt een dual-licentiemodel:

De modelgewichten worden uitgebracht onder een niet-commerciële, bronbeschikbare licentie — wat betekent dat ze niet volledig open source zijn volgens de OSI-definitie of het G7-kader van 2026 . De inferentiecode en voorbeeldnotebooks gebruiken echter de permissieve Apache 2.0-licentie . Dit patroon weerspiegelt Googles aanpak met andere onderzoeksmodellen zoals Gemma (dat voor nieuwere generaties later naar Apache 2.0 overstapte ) en is consistent met hoe Prior Labs TabPFN-modelgewichten onder niet-commerciële voorwaarden uitbrengt .

BigQuery-integratie via AI.PREDICT

Google is van plan om TabFM in de weken na de aankondiging direct te integreren in BigQuery . BigQuery-gebruikers kunnen dan nul-shot classificatie en regressie uitvoeren met behulp van de AI.PREDICT SQL-opdracht, volgens de syntax van BigQuery ML's bestaande beheerde inferentiefuncties (vergelijkbaar met AI.FORECAST voor TimesFM) . De verwachte syntax is:

Deze integratie stelt datateams in staat om TabFM-voorspellingen direct in SQL toe te passen zonder aparte ML-infrastructuur of modelimplementaties te beheren . Op de datum van de aankondiging (1 juli 2026) werd deze integratie beschreven als imminent, maar nog niet weerspiegeld in de BigQuery-release-opmerkingen . Google's bestaande BigQuery ML-ecosysteem ondersteunt al beheerde inferentie voor TimesFM (AI.FORECAST), aangepaste modellen (ML.PREDICT) en open modellen van derden van Hugging Face ; TabFM zou het eerste tabelgebaseerde funderingsmodel zijn met een ingebouwde AI.PREDICT-snelkoppeling.

Belangrijke kanttekeningen

• De officiële Google Research-blogpost werd gepubliceerd op 1 juli 2026, wat betekent dat dit erg recent is . Sommige details — het volledige academische paper, exacte live TabArena-scores bij release en de precieze BigQuery-release-tijdlijn — kunnen nog in beweging zijn.
• Er was op het moment van deze analyse geen officieel Google Research-paper of arXiv-preprint openbaar beschikbaar. Technische architectuurdetails komen van secundaire berichtgeving en de blogpost .
• De AI.PREDICT-functie die momenteel voor BigQuery ML is gedocumenteerd, gebruikt ML.PREDICT met een geregistreerd modelobject ; de AI.PREDICT-syntax voor TabFM kan een nieuwe ingebouwde snelkoppeling zijn, analoog aan AI.FORECAST voor TimesFM, maar is nog niet gedocumenteerd in de release-opmerkingen.
• TabFM's niet-commerciële gewichtslicentie beperkt commercieel gebruik zonder aparte overeenkomst, wat van invloed kan zijn op plannen voor enterprise-adoptie.