2026年7月11日 01:14
Google TabFM、未学習テーブルの予測に成功
Google's TabFM skips per-dataset training and still predicts on tables it's never seen
3行まとめ
- •GoogleがTabFM基盤モデルを発表
- •未知の表形式データをゼロショット予測
- •データセット単位の再学習が不要に
詳細
背景
企業が扱うデータの大半はCRMや財務システム、データウェアハウスに格納される表形式データだ。従来、表形式データの機械学習モデルはデータセットごとに一から学習する必要があり、ハイパーパラメータのチューニングや特徴量エンジニアリング、データ変動への対応として定期的な再学習が欠かせなかった。これが高い専門知識とコストを要求する課題となっていた。
内容
Google ResearchはTabFM（Tabular Foundation Model）という新しい基盤モデルを提案した。TabFMは表形式データの予測を「文脈内学習（in-context learning）」として扱い、学習したことのないテーブルに対しても予測を生成できる。これにより、データセットごとの個別学習を必要とせず、ゼロショットあるいは少数のサンプルだけで予測を適用することが可能になる。従来のAutoMLやXGBoostのような手法と異なり、新規データセットへの即時対応が実現する。
今後の影響
この手法が実用化されれば、企業はデータ分析における機械学習モデルの開発・運用コストと時間を大幅に削減できる。専門的なデータサイエンスのスキルを持たないチームでも、新しいデータセットへの予測を素早く適用できる環境が整う。
なぜ重要か
Googleが表形式データ予測を基盤モデル化し、未知テーブルへのゼロショット予測を実現した。データセット単位の再学習コスト削減に繋がる研究成果だ。
元記事を読む — VentureBeat AI