表格数据是工业界最常见的数据形态，却长期缺乏像 NLP 和 CV 那样成熟的预训练基础模型。NVIDIA 的新库试图改变这一局面。

发生了什么

NVIDIA 发布了 Structured Data Models 库，将多个针对表格数据的预训练基础模型整合到一个 PyTorch 接口中。该库目前封装了三个模型：TabICLv2 和 KumoTabular 面向单表任务，KumoRelational 则面向完整的关系数据库。这些模型均通过上下文学习（in-context learning）进行预测，用户无需训练即可直接使用。

为什么重要

在结构化数据领域，传统机器学习流程通常需要特征工程、模型选择和超参数调优，对领域知识和计算资源都有要求。预训练表格基础模型的出现，旨在将 NLP 中“预训练+微调”或“预训练+提示”的范式迁移到表格任务上。NVIDIA 此次将多个模型统一到一个接口，降低了使用门槛，也减少了开发者在不同库之间切换的成本。

更重要的是，零训练预测意味着用户可以直接将表格数据输入模型获得结果，这为快速原型验证和低资源场景提供了新的可能性。

影响与看点

对开发者而言，这一库可能简化表格预测任务的启动流程，尤其是在缺乏标注数据或计算资源有限的情况下。不过，零训练预测的实际效果仍需在具体数据集上验证，不同模型在不同任务上的表现可能存在差异。

对行业来说，NVIDIA 此举进一步推动了表格基础模型的标准化和普及，可能吸引更多研究者投入这一方向。值得关注的是，该库是否会持续集成更多模型，以及社区能否围绕其形成生态。

独立判断：零训练表格预测是一个有前景的方向，但现阶段它更可能作为传统流程的补充而非替代，实际落地效果取决于模型在真实业务数据上的泛化能力。