大型表格模型在LLM失效的領域表現出色

大型語言模型（LLM）如ChatGPT、Claude和Gemini在生成文本和圖像方面表現出色，但它們在分析結構化數據方面卻力不從心。然而，一種名為大型表格模型（LTM）的新型生成式AI正在改變這一局面。

對於大多數公司和組織來説，最重要的數據都存儲在電子表格中。無論是銀行的交易記錄、營銷機構的網站指標、臨牀試驗參與者的生命體徵，還是大型強子對撞機產生的質子碰撞信息，結構化、行與列的數據驅動着世界，但LLM卻無法有效處理。

AI初創公司Fundamental正在開創一種新型的AI基礎模型，稱為大型表格模型（LTM），以填補這一空白。Fundamental於2026年2月5日結束隱身模式，獲得了2.75億美元融資，並推出了專門為表格數據構建的模型NEXUS。目前，該模型已被亞馬遜雲服務（AWS）等公司採用，同時其他公司也在爭相構建自己的LTM。

為什麼LLM在處理電子表格時表現不佳？阿姆斯特丹的高級AI研究員Boris van Breugel認為，部分原因是人類偏見：人們喜歡看圖像、視頻和ChatGPT的回應，而表格數據因為只是數字而落後。此外，不同的表格數據集難以比較，因為變量差異很大。語言本質上是順序性的，但電子表格中的結構化數據是非順序的，列的順序可以互換，但事實含義不變。這種對線性順序的獨立性，與LLM預測序列中下一個值的根本目的不相容。Fundamental的首席執行官Jeremy Fraenkel指出，LLM的輸入稍有變化就會得到不同輸出，但對於交易欺詐預測等任務，需要確定的預測結果。

當前表格數據解決方案限於機器學習算法，如XGBoost，這些算法已存在超過15年，需要數據科學家針對每個用例花數月時間訓練優化。相比之下，NEXUS等LTM是基礎性的，通過預訓練多樣數據庫積累知識，可應用於各種預測任務，只需少量定製特徵工程。與主要建模Token序列的LLM不同，LTM直接建模表格結構，同時學習每個條目的數值、含義以及條目之間的關係。例如，對於雜貨庫存表中香蕉的條目，LTM不僅考慮數值如500，還考慮該條目代表當前香蕉庫存量、類別（農產品）以及連接該條目與列中其他條目的統計屬性。這種上下文理解使得對結構化數據的推理和預測更加準確。

Fraenkel表示，開發NEXUS的最大挑戰之一是獲取合適的訓練數據。與自然語言不同，表格數據相對難找，很多是敏感或專有的，且多樣性大。Fundamental通過合作伙伴關係和許可獲取專有數據集、高質量公共和開源數據集，以及數據增強技術，構建了數十億張表的預訓練語料庫。他強調NEXUS不基於客户數據訓練，實際上它是一個機密計算平台，Fundamental物理上無法訪問客户數據，更不用説訓練了。這一特性可能是2026年6月AWS將NEXUS嵌入Amazon SageMaker的關鍵考慮因素，後者被廣泛認為是安全機器學習的默認操作系統。這使NEXUS能夠處理客户通常敏感的數據，與LLM需要將數據導入模型的方式形成對比。

儘管Fundamental在企業應用領域領先，但並非唯一追求基礎LTM的公司。2026年3月，提供欺詐和金融犯罪預防服務的Feedzai以及信用卡公司Mastercard分別推出了專注於金融領域的類似專有技術。6月下旬，谷歌推出了自己的基礎競爭模型TabFM，完全基於數億個合成數據集訓練。機器學習研究者也不甘落後，FlexTab、TabICL和iLTM只是過去一年研究社區開發的眾多LTM中的三個，都旨在將LLM的成功引入表格領域。

對於所有參與者來説，方向是明確的。van Breugel表示，如果未來大多數數據處理和分析不是通過自動化系統完成的，他會感到驚訝。Fraenkel將LLM和LTM的關係比作人腦：左腦擅長推理和理解文本，右腦擅長理解數字、統計和模式，兩者結合會帶來更強大的智能。