Google Researchは、表形式データの予測をゼロショットで行う基盤モデル「TabFM」を発表しました。従来はデータセットごとに学習や特徴量設計、ハイパーパラメータ探索、再学習の運用が必要でしたが、TabFMは学習済みの重みを更新せず、過去のラベル付き行と新しい行を同一のプロンプトとして提示して推論します。これにより、未知のテーブルでも1回のフォワードパスで予測できるとしています。
TabFMは、テキスト向けLLMの課題である表の構造喪失やトークン化の非効率を避けるため、データをグリッドとして扱い、行と列の注意機構、行の圧縮、圧縮埋め込みに対するインコンテキスト学習を組み合わせた設計です。
評価では、51の表データセットで構成するTabArena上で、ゼロショット予測が調整済みの教師ありベースラインに同等か上回ったと報告しました。
一方で、予測時は過去データを文脈として処理するため計算負荷が増え、低遅延APIには不向きだと説明しています。
モデルはscikit-learn互換のAPIを提供し、学習コードと推論ライブラリは公開されていますが、事前学習済み重みは非商用ライセンスで、商用製品への展開は現時点で制限されます。
今後はBigQueryに統合し、AI.PREDICTでデータウェアハウス近接の推論を可能にする方針です。
参照元：2026/07/11 「Google’s TabFM skips per-dataset training and still predicts on tables it’s never seen」 https://venturebeat.com/technology/googles-tabfm-skips-per-dataset-training-and-still-predicts-on-tables-its-never-seen
この記事へのリアクション
このニュースをどう受け止めましたか？
コメント