Google Research Lanza TabFM — Modelo Foundation para Datos Tabulares con Zero-Shot

Google Research lanzó TabFM — modelo foundation para datos tabulares con zero-shot

Google Research presentó TabFM — un modelo foundation para datos tabulares, capaz de realizar clasificación y regresión zero-shot sin entrenamiento en conjuntos de datos específicos; esto fue reportado por el portal MarkTechPost el 1 de julio de 2026.

Cómo TabFM procesa tablas

TabFM obtiene predicciones en un único pase directo, utilizando in-context learning — el modelo "sobre la marcha" se basa en ejemplos dentro de la solicitud misma, sin un ciclo de entrenamiento separado para cada conjunto de datos.

• Formato — modelo foundation para datos tabulares
• Capacidades — clasificación y regresión zero-shot
• Método — in-context learning, predicción mediante un único pase directo
• No requiere — entrenamiento en el conjunto de datos, ajuste de hiperparámetros, ingeniería de características manual
• Arquitectura — atención híbrida

El nombre del modelo declara una arquitectura de atención híbrida — permite considerar simultáneamente las relaciones entre filas (objetos) y entre columnas (características) de una tabla, lo cual en los transformadores clásicos enfocados en texto no está incorporado por defecto.

Por qué los datos tabulares son un problema separado para la IA

La mayoría de los datos corporativos no son texto ni imágenes, sino tablas: filas de clientes, transacciones, métricas. Durante mucho tiempo las mejores herramientas para tales tareas siguieron siendo el gradient boosting y modelos ML clásicos como XGBoost y LightGBM — son precisos, pero cada uno debe ser reentrenado y ajustado para un conjunto de datos específico y tarea específica, y cualquier cambio en la composición de características significa un nuevo ciclo de preparación de datos.

La idea de un modelo foundation para tablas es que un modelo funcione para muchas tareas: entrenar un modelo grande en muchas tablas diversas por adelantado, luego aplicarlo a datos nuevos sin reentrenamiento — por analogía con cómo los modelos de lenguaje resuelven nuevas tareas de texto sin ajuste fino si se les pide correctamente. Para datos tabulares este camino fue largo tiempo considerado difícil de lograr precisamente por la heterogeneidad de las tablas: cada una tiene su propio conjunto de columnas, tipos de datos y relaciones semánticas entre ellas, a diferencia del texto donde la gramática y vocabulario son comunes a todos los documentos.

Qué significa esto para los científicos de datos

Si el enfoque zero-shot de TabFM funciona lo suficientemente bien en datos corporativos reales, cambia la economía de tareas ML típicas con tablas: en lugar del ciclo "recopilar conjunto de datos → entrenar modelo → ajustar hiperparámetros → desplegar" habrá solo un paso — alimentar datos al modelo y obtener una predicción. Esto es especialmente valioso para tareas donde el conjunto de datos es pequeño o cambia rápidamente, y no es rentable entrenar un modelo separado para él.

Qué significa esto

Google Research una vez más transfiere la lógica de los modelos foundation — "entrenar una vez, aplicar en todas partes" — del texto e imágenes al campo de los datos tabulares, que hasta ahora ha permanecido siendo el dominio del aprendizaje automático clásico. Si el enfoque se confirma en la práctica en un amplio rango de tareas, la competencia se desarrollará no solo entre modelos foundation para tablas de diferentes compañías, sino también entre esta nueva clase de modelos y el familiar gradient boosting — sobre quién se convertirá en la herramienta por defecto para tareas ML típicas con datos tabulares.