拿客户流失预测来说，过去每换一张表，往往都要重新选算法、调参数。NVIDIA Kumo Tabular想省掉这套流程：给它一张含少量答案的表，它就能预测其余行，可同时处理分类（如客户会不会流失）和回归（如下月销售额）。所谓单次前向传播，就是数据通过模型一次便得到结果，不再针对新表反复训练。
更值得注意的不是单一榜首，而是同一家族包揽TabArena第1、3、5名。三款模型从2800万到2.15亿参数，分别对应大中小不同预算：资源充足时追求更高效果，算力或响应时间紧张时选择较小版本。模型仅用人工合成数据预训练，并以OpenMDW-1.1许可开放商用。上述排名与“无需训练、调参和特征工程”等效果说法来自NVIDIA发布材料；材料未给出三款模型各自的具体速度、显存占用和分数差距，实际取舍仍需结合完整评测。