KumoRFM: Ein relationales Foundation Model zur Revolutionierung von Vorhersagen in relationalen Datenbanken

KumoRFM ist ein bahnbrechendes relationales Foundation Model (RFM), das präzise Vorhersagen auf relationalen Datenbanken über eine breite Palette von prädiktiven Aufgaben treffen kann, ohne dass ein daten- oder aufgabenspezifisches Training erforderlich ist. Es erreicht dies durch die Transformation von Datenbanken in temporale, heterogene Graphen, die Verwendung eines tabelleninvarianten Codierungsschemas und eines Relational Graph Transformer, um über multimodale Daten zwischen Tabellen zu schließen. Im RelBench-Benchmark übertrifft KumoRFM herkömmliche Feature-Engineering- und End-to-End-überwachte Deep-Learning-Ansätze um durchschnittlich 2 % bis 8 %, wobei sich die Leistung nach dem Feintuning um durchschnittlich 10 % bis 30 % verbessert. Am wichtigsten ist, dass KumoRFM um Größenordnungen schneller ist als herkömmliche Ansätze, die auf überwachtem Training basieren, und eine Zero-Code-Lösung für Vorhersagen in Echtzeit bietet.