大型表格模型在LLM失效的领域表现出色

大型语言模型（LLM）如ChatGPT、Claude和Gemini在生成文本和图像方面表现出色，但它们在分析结构化数据方面却力不从心。然而，一种名为大型表格模型（LTM）的新型生成式AI正在改变这一局面。

对于大多数公司和组织来说，最重要的数据都存储在电子表格中。无论是银行的交易记录、营销机构的网站指标、临床试验参与者的生命体征，还是大型强子对撞机产生的质子碰撞信息，结构化、行与列的数据驱动着世界，但LLM却无法有效处理。

AI初创公司Fundamental正在开创一种新型的AI基础模型，称为大型表格模型（LTM），以填补这一空白。Fundamental于2026年2月5日结束隐身模式，获得了2.75亿美元融资，并推出了专门为表格数据构建的模型NEXUS。目前，该模型已被亚马逊云服务（AWS）等公司采用，同时其他公司也在争相构建自己的LTM。

为什么LLM在处理电子表格时表现不佳？阿姆斯特丹的高级AI研究员Boris van Breugel认为，部分原因是人类偏见：人们喜欢看图像、视频和ChatGPT的回应，而表格数据因为只是数字而落后。此外，不同的表格数据集难以比较，因为变量差异很大。语言本质上是顺序性的，但电子表格中的结构化数据是非顺序的，列的顺序可以互换，但事实含义不变。这种对线性顺序的独立性，与LLM预测序列中下一个值的根本目的不相容。Fundamental的首席执行官Jeremy Fraenkel指出，LLM的输入稍有变化就会得到不同输出，但对于交易欺诈预测等任务，需要确定的预测结果。

当前表格数据解决方案限于机器学习算法，如XGBoost，这些算法已存在超过15年，需要数据科学家针对每个用例花数月时间训练优化。相比之下，NEXUS等LTM是基础性的，通过预训练多样数据库积累知识，可应用于各种预测任务，只需少量定制特征工程。与主要建模Token序列的LLM不同，LTM直接建模表格结构，同时学习每个条目的数值、含义以及条目之间的关系。例如，对于杂货库存表中香蕉的条目，LTM不仅考虑数值如500，还考虑该条目代表当前香蕉库存量、类别（农产品）以及连接该条目与列中其他条目的统计属性。这种上下文理解使得对结构化数据的推理和预测更加准确。

Fraenkel表示，开发NEXUS的最大挑战之一是获取合适的训练数据。与自然语言不同，表格数据相对难找，很多是敏感或专有的，且多样性大。Fundamental通过合作伙伴关系和许可获取专有数据集、高质量公共和开源数据集，以及数据增强技术，构建了数十亿张表的预训练语料库。他强调NEXUS不基于客户数据训练，实际上它是一个机密计算平台，Fundamental物理上无法访问客户数据，更不用说训练了。这一特性可能是2026年6月AWS将NEXUS嵌入Amazon SageMaker的关键考虑因素，后者被广泛认为是安全机器学习的默认操作系统。这使NEXUS能够处理客户通常敏感的数据，与LLM需要将数据导入模型的方式形成对比。

尽管Fundamental在企业应用领域领先，但并非唯一追求基础LTM的公司。2026年3月，提供欺诈和金融犯罪预防服务的Feedzai以及信用卡公司Mastercard分别推出了专注于金融领域的类似专有技术。6月下旬，谷歌推出了自己的基础竞争模型TabFM，完全基于数亿个合成数据集训练。机器学习研究者也不甘落后，FlexTab、TabICL和iLTM只是过去一年研究社区开发的众多LTM中的三个，都旨在将LLM的成功引入表格领域。

对于所有参与者来说，方向是明确的。van Breugel表示，如果未来大多数数据处理和分析不是通过自动化系统完成的，他会感到惊讶。Fraenkel将LLM和LTM的关系比作人脑：左脑擅长推理和理解文本，右脑擅长理解数字、统计和模式，两者结合会带来更强大的智能。