개방적이고 재현 가능한 관계형 학습의 발전: RelArena-α, TabPFN-Rel 및 RPI

초록

관계형 학습 분야에서 Prior Labs의 이번 첫 릴리스는 개방형 과학(open science)에 대한 지속적인 헌신을 보여줍니다. 우리는 이 분야의 연구가 의미 있는 실질적 영향력으로 나아가는 것을 가속화할 것으로 기대하는 세 가지 소프트웨어를 오픈소스로 공개합니다. 우리는 커뮤니티의 피드백과 협력을 바탕으로 추가 개발 방향을 정하고자 합니다. 개발 초기 단계를 고려하여, 우리의 α-릴리스는 연구자와 조기 도입 실무자를 대상으로 합니다. 지난 몇 년 동안 관계형 학습을 위한 다양한 데이터셋과 작업이 등장했지만, 커뮤니티는 이러한 작업에서 서로 다른 방법들을 비교하는 신뢰할 수 있고 재현 가능한 방식에 합의하지 못했습니다. 우리의 α-릴리스인 RelArena-α는 데이터 로딩, 평가 프로토콜, 튜닝 체계를 표준화하고 맞춤형 튜닝을 지원하는 시스템을 포괄함으로써, TabArena와 같은 기존 테이블 벤치마크에서 영감을 받아 RelBench v1에서 기준 모델을 실행하고 비교할 수 있는 통합 프레임워크를 제공합니다. 우리는 연구 커뮤니티와 협력하여 RelArena-α를 관계형 학습 커뮤니티 발전의 촉매제로 더욱 발전시킬 계획입니다. 우리는 TabPFN-3를 위한 특수 목적의 관계형 하네스인 TabPFN-Rel의 초기 버전을 공개합니다. 현재 RelArena-α에서 모델 중 1위를 차지하고 있는 TabPFN-Rel은 RDBLearn 대비 핵심적인 개선을 이루었습니다. 순위를 넘어서, TabPFN-Rel은 강력한 기준 모델 역할을 하며, 관계형 데이터베이스를 단일 테이블로 평탄화하는 것이 실제 작업에서 특화된 관계형 아키텍처와 여전히 경쟁력을 갖는다는 증가하는 증거를 보강합니다. 관계형 학습 방법의 연구 및 산업 적용을 촉진하기 위해, 우리는 RPI(Relational Predictive Interface)의 초기 α-버전을 공개합니다. RPI는 오픈소스이며 모델에 구애받지 않는 인터페이스로, 조기 도입자가 새 데이터베이스에서 문제를 쉽게 정의하고 RelArena-α에 구현된 모든 모델(예: TabPFN-Rel)을 이러한 문제에 적용할 수 있게 해줍니다.

English

This first release of Prior Labs in relational learning shows our continued commitment to open science. We open-source three pieces of software that we expect to accelerate research in the field towards meaningful real-world impact. We aim to steer further development based on feedback from, and in collaboration with, the community. Given the early stage of development, our α-release targets researchers and early-adopting practitioners. Over the past years, a variety of datasets and tasks for relational learning have emerged, but the community has not converged on a reliable, reproducible way to compare different methods on these tasks. Our α-release, RelArena-α, provides a unified framework for running and comparing baselines on RelBench v1 by standardizing data loading, evaluation protocols, tuning regimes, and support for systems with custom tuning, inspired by established tabular benchmarks such as TabArena. We plan to work with the research community to further develop RelArena-α into a catalyst for progress in the relational learning community. We release the initial version of TabPFN-Rel, a purpose-built relational harness for TabPFN-3. Currently ranked first among models on RelArena-α, TabPFN-Rel makes key improvements upon RDBLearn. Beyond its ranking, TabPFN-Rel serves as a strong baseline, adding to the growing evidence that flattening a relational database into a single table remains competitive with specialized relational architectures on real-world tasks. To facilitate adoption of relational learning methods in research and industry, we release an initial α-version of our Relational Predictive Interface, RPI, an open-source, model-agnostic interface that enables early adopters to easily define problems on new databases and apply any model implemented in RelArena-α, including TabPFN-Rel, to these problems.