نموذج NEXUS من Fundamental: النماذج الجدولية الكبيرة تتفوق حيث تتعثر نماذج اللغة الكبيرة

في 5 فبراير 2026 خرجت شركة Fundamental الناشئة من طور السرية باستثمارات بلغت 275 مليون دولار. وقدّمت الشركة نموذج NEXUS، أول نموذج جدولي كبير (Large Tabular Model - LTM) صُمّم خصيصًا لتحليل البيانات المنظمة في الجداول.

لماذا لا تعمل نماذج LLM مع الجداول

تنتج نماذج مثل ChatGPT وClaude وGemini نصوصًا وصورًا مقنعة، لكن حين تطلب منها تحليل جدول صغير حتى، تبدو تائهة.

• صُمّمت نماذج LLM للبيانات المتسلسلة: كل كلمة تؤثر في الكلمة التالية، والترتيب حاسم
• لا تتطلب الجداول ترتيبًا معينًا: يمكن تبديل مواضع الأعمدة أو الصفوف دون أن يتغير المعنى
• تعطي نماذج LLM إجابات مختلفة عند أدنى تغيير في المدخلات (وهذا مطلوب عادةً)، أما عند التنبؤ بالاحتيال فيلزم الحصول على نتائج حتمية (deterministic)
• تحتفظ معظم الشركات بأهم بياناتها في جداول إلكترونية: المعاملات المصرفية وسجلات المبيعات ومقاييس المواقع

كيف يعمل NEXUS

على عكس نماذج LLM التي تحاكي تسلسل الرموز (tokens)، يحاكي نموذج LTM بنية الجداول مباشرة. ويتعلم النموذج من ثلاثة مصادر في آن واحد: القيمة الرقمية، ومعناها، وروابطها الإحصائية مع بقية البيانات في العمود.

تحتاج الشركات إلى تنبؤات حتمية ومتسقة. وهذا مستحيل مع نماذج LLM، — يوضح جيريمي فرانكل، الرئيس التنفيذي لشركة

Fundamental.

درّبت Fundamental نموذج NEXUS على مليارات الجداول، من خلال مزيج من مجموعات بيانات مرخّصة ومصادر مفتوحة وبيانات اصطناعية. وتمتلك الشركة مجموعات بيانات خاصة (proprietary) عبر شراكات، ولا تدرّب نماذجها على بيانات العملاء. ويعمل NEXUS على حواسيب سرية (confidential computing)، ولذلك لا تستطيع Fundamental فعليًا الوصول إلى بيانات المستخدمين.

من يطوّر نماذج LTM أيضًا

في يونيو دمجت Amazon نموذج NEXUS في SageMaker، الأداة القياسية للتعلم الآلي (machine learning) على AWS. ويتيح ذلك للنموذج الوصول إلى بيانات العملاء الحساسة التي تديرها الشركات محليًا.

وفي مارس 2026 أطلقت شركتا Feedzai (الأمن المالي) وMastercard نموذجين جدوليين كبيرين خاصين بهما لمكافحة الاحتيال. وفي أواخر يونيو قدّمت Google نموذج TabFM المدرَّب على مئات الملايين من الجداول الاصطناعية. وطوّر علماء نماذج FlexTab وTabICL وiLTM، وبذلك تتحول نماذج LTM إلى اتجاه سائد.

ماذا يعني ذلك

الجداول هي لغة الأعمال. فعلى مدى 50 عامًا اعتمدت الشركات في التحليل على XGBoost وغيرها من أشجار القرار المعززة بالتدرج (gradient-boosted decision trees)، وكان ضبطها لكل مهمة يستغرق شهورًا. وتَعِد نماذج LTM بجعل التحليل الجدولي مؤتمتًا بقدر توليد النصوص. وقد يؤدي الجمع بين LLM وLTM إلى ذكاء اصطناعي أقوى: نصف أيسر للنصوص ونصف أيمن للأرقام.