Google TabFM: фундаментальная модель для таблиц, которая работает с нуля

1 июля 2026 года Google Research представил TabFM — фундаментальную модель для табличных данных, которая выполняет классификацию и регрессию с нулевым обучением (zero-shot) на таблицах, которые она никогда не видела — без тренировки, донастройки или ручного конструирования признаков . Модель переосмысливает задачу прогнозирования как задачу контекстного обучения: она считывает весь датасет, включая исторические примеры и целевую строку, как единый контекстный промпт и выдает предсказания за один прямой проход .

Архитектура: двухуровневое внимание к строкам и столбцам

TabFM использует гибридную архитектуру трансформера с чередованием внимания по строкам и столбцам . В отличие от текста, который одномерен, табличные данные требуют одновременного понимания связей и между строками, и между столбцами. TabFM чередует внимание:

• Внимание по столбцам — для выявления зависимостей между признаками
• Внимание по строкам — для выявления зависимостей между примерами

Этот двухэтапный механизм строит вложения строк и столбцов фиксированной размерности, что позволяет модели обобщать на произвольные структуры таблиц на этапе вывода . Подход объединяет идеи из предыдущих фундаментальных моделей для таблиц, таких как внимание к строкам/столбцам от TabPFN и контекстное обучение от TabICL .

Обучение полностью на синтетических данных

TabFM был обучен полностью на сотнях миллионов синтетических датасетов, сгенерированных с помощью структурных каузальных моделей (SCMs) . Этот подход обходит проблему нехватки и низкого качества открытых табличных данных, большая часть которых содержит конфиденциальную или коммерческую информацию, недоступную для крупномасштабного претренирования . Контролируя процесс генерации данных, Google обеспечил разнообразный и хорошо сбалансированный обучающий корпус без использования реальных бизнес-данных .

Рейтинг TabArena: результаты на уровне SOTA

TabFM был протестирован на TabArena — живом бенчмарке с Elo-рейтингом для методов машинного обучения на таблицах, с публичной таблицей лидеров на tabarena.ai . Согласно опубликованным результатам:

• TabFM-Ensemble (с использованием 32 ансамблей и признаков на основе кросс-секций и SVD) достигает результатов на уровне SOTA на TabArena, возглавляя таблицу лидеров как по классификации, так и по регрессии .
• TabFM-Single (одиночный прямой проход без ансамблирования) занимает уверенное второе место, конкурируя с предыдущими фундаментальными моделями, такими как TabPFN v2, и настроенными градиентными бустингами .

Точные значения Elo зависят от текущего состояния таблицы лидеров, но собственные графики Google показывают TabFM-Ensemble на вершине как в задачах классификации, так и регрессии . На начало июля 2026 года лучшую одиночную модель в рейтинге классификации TabArena занимал TabPFN-3 (Elo 1721), а ансамблевые методы, такие как AutoGluon extreme (4h), служили общим потолком . Выход TabFM меняет этот конкурентный ландшафт.

Лицензирование: двойная модель

TabFM использует двойную лицензию:

Компонент	Лицензия	Расположение
Веса модели	Некоммерческая лицензия	Hugging Face (google/tabfm-1.0.0-pytorch)
Код и примеры использования	Apache 2.0	GitHub (google-research/tabfm)

Веса модели выпускаются под некоммерческой лицензией с доступным исходным кодом — это означает, что они не являются полностью открытыми по определению OSI или по четырехуровневой системе G7 2026 года . Код для вывода и примеры ноутбуков, однако, используют разрешительную лицензию Apache 2.0 . Этот подход зеркалирует стратегию Google с другими исследовательскими моделями, такими как Gemma (которая позже перешла на Apache 2.0 для новых поколений ), и соответствует тому, как Prior Labs выпускает веса TabPFN на некоммерческих условиях .

Интеграция с BigQuery через AI.PREDICT

Google планирует напрямую интегрировать TabFM в BigQuery в течение нескольких недель после анонса . Пользователи BigQuery смогут запускать классификацию и регрессию с нулевым обучением с помощью SQL-команды AI.PREDICT, следуя синтаксису, аналогичному существующим функциям управляемого вывода BigQuery ML (например, AI.FORECAST для TimesFM) . Ожидаемый синтаксис:

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

Эта интеграция позволит командам данных применять предсказания TabFM напрямую из SQL, без управления отдельной ML-инфраструктурой или развертывания моделей . На момент анонса (1 июля 2026 года) эта интеграция была описана как неизбежная, но еще не отражена в примечаниях к выпуску BigQuery . Существующая экосистема BigQuery ML уже поддерживает управляемый вывод для TimesFM (AI.FORECAST), пользовательских моделей (ML.PREDICT) и сторонних открытых моделей с Hugging Face ; TabFM станет первой фундаментальной моделью для таблиц, получившей встроенную команду AI.PREDICT.

Ключевые оговорки

• Официальный блог-пост Google Research был опубликован 1 июля 2026 года, что означает, что это очень свежая новость . Некоторые детали — полная научная статья, точные текущие баллы TabArena на момент релиза и точные сроки выхода BigQuery — могут еще уточняться.
• На момент анализа не было опубликовано ни официальной статьи Google Research, ни препринта на arXiv. Технические детали архитектуры взяты из вторичных источников и блог-поста .
• Функция AI.PREDICT, задокументированная для BigQuery ML в настоящее время, использует ML.PREDICT с зарегистрированным объектом модели ; синтаксис AI.PREDICT для TabFM может быть новым встроенным сокращением, аналогичным AI.FORECAST для TimesFM, еще не задокументированным в примечаниях к выпуску на момент написания.
• Некоммерческая лицензия на веса TabFM ограничивает коммерческое использование без отдельного соглашения, что может повлиять на планы корпоративного внедрения.