Табличные модели наступают на пятки языковым моделям
Представьте: компания SAP выпустила свою собственную foundational-модель, которая заточена не под текст, а под цифры и таблицы. И что самое интересное — она может делать прогнозы прямо из коробки, без всех этих долгих тренировок. Звучит как переворот, правда?
Новую модель называют SAP RPT-1, или Relational Foundation Model. По сути, это модель с деловыми знаниями уже встроенными. Вальтер Сан, глава AI-направления SAP, рассказал, что главная фишка в том, что модель умеет делать предсказания на основе реляционных баз данных даже без дополнительной доготовки.
«Все знают про языковые модели, и хороших таких достаточно», — объяснил Сан. Но суть в другом: «Мы тренировали модель на бизнес-транзакциях, в сущности на Excel-таблицах. И вот у нас есть модель, которая делает предсказательную аналитику, готовая к использованию. То есть тебе не нужно знать специфику конкретной компании, чтобы делать задачи, похожие на то, что делают языковые модели».
RPT-1 может буквально с первого дня строить бизнес-модели для компаний, используя знания, накопленные из десятилетий данных SAP. Компании смогут прямо интегрировать модель в свои приложения — без всяких доп. наастроек.
Модель станет доступна в четвёртом квартале 2025-го через SAP AI Foundation. А ещё компания обещает выпустить no-code плейграунд, где можно будет экспериментировать с этой штукой.
В чём разница между табличными моделями и обычными языковыми?
Это важный момент. Табличные модели учились на электронных таблицах, а языковые модели — на текстах и коде. RPT-1 не просто понимает цифры и связи между ячейками: она даёт более структурированные и точные ответы.
Когда компания использует RPT-1, она может добавить модели больше контекста через так называемый context engineering. Модель семантически осознанна и обучается на основе того, как её используют.
Исследователи SAP предложили эту идею в июне через paper с названием ConTextTab. Там описан метод context-aware pretraining, который использует семантические сигналы — вроде названий столбцов или типов данных — чтобы направлять обучение. Именно такая архитектура делает модель лучше для задач с точными ответами: финансы, enterprise-применения.
SAP тестировала ConTextTab на бенчмарках и сказала, что она конкурирует с TabPFN и TabIFL. То есть по качеству не отстаёт.
Отрасли выбирают специализированные модели
Раньше компании просто тонко настраивали (fine-tuning) общих моделей вроде GPT или Claude — переучивали их отвечать только на релевантные вопросы. Но сейчас тренд смещается: появляются узкоспециализированные модели.
Сан поделился, что его опыт в предыдущей компании повлиял на разработку RPT-1. Там он строил очень узкую, кастомизированную модель для анализа тональности — работала отлично, но не масштабировалась.
«Когда появились языковые модели, одна модель измеряла настроение за всё. Но есть задачи, которые LLM просто не могут делать», — сказал он. Например, предсказать, когда покупатель вернётся в магазин: это требует анализа чисел и понимания истории покупок сразу вместе.
Конечно, LLM-провайдеры сейчас тоже лезут в это. Microsoft добавил возможности Copilot для работы в Excel. Anthropic встроил Claude в Excel. Даже ChatGPT создаёт графики из загруженных таблиц.
Но SAP говорит, что это всё — просто чтение таблиц. А RPT-1 выигрывает тем, что ей нужно намного меньше дополнительной информации о бизнесе, чтобы дать ответ.
Почему это важно сейчас?
На самом деле, за последние дни вышло кучу других новостей про AI. Интеллект моделей уже не главное препятствие для компаний — главное, что они не знают, как измерить качество внедрения. Исследователи из Meta и University of Edinburgh придумали технику Circuit-based Reasoning Verification, которая проверяет рассуждения LLM изнутри и ловит ошибки.
GitHub представил Agent HQ — платформу, где вместе работают агенты от разных компаний. Microsoft интегрировала AI в 365, чтобы 100 млн пользователей могли создавать бизнес-инструменты как письма. PayPal готовит агентскую коммерцию.
Всё движется в сторону специализации, автоматизации и «готовности из коробки». RPT-1 — это просто ещё один шаг в этом направлении. И это имеет смысл: зачем обучать универсальную модель, если можно создать инструмент, который с первого дня знает всё про финансы или логистику?
Новые модели приходят быстро, и каждая день ближе к решению реальных проблем компаний. Не отставайте от трендов AI и узнавайте про инновации прямо в источнике.🔔 Следите за новостями в области специализированных AI-моделей, табличных данных и enterprise-решений — подпишитесь на канал «ProAI» в Telegram!