RelBench v2: Neuer, umfangreicher Benchmark für Relational Deep Learning
Relational Deep Learning (RDL) hat sich als leistungsstarkes Paradigma etabliert, um direkt auf relationalen Datenbanken zu lernen. Damit RDL weiter wächst, sind skalierbare und realistische Benchmarks unverzichtbar. Re…
- Relational Deep Learning (RDL) hat sich als leistungsstarkes Paradigma etabliert, um direkt auf relationalen Datenbanken zu lernen.
- Damit RDL weiter wächst, sind skalierbare und realistische Benchmarks unverzichtbar.
- RelBench v2 liefert genau das: eine bedeutende Erweiterung des ursprünglichen RelBench.
Relational Deep Learning (RDL) hat sich als leistungsstarkes Paradigma etabliert, um direkt auf relationalen Datenbanken zu lernen. Damit RDL weiter wächst, sind skalierbare und realistische Benchmarks unverzichtbar. RelBench v2 liefert genau das: eine bedeutende Erweiterung des ursprünglichen RelBench.
Die neue Version umfasst vier große Datensätze aus den Bereichen wissenschaftliche Publikationen, Unternehmensplanung, Konsumentenplattformen und klinische Aufzeichnungen. Insgesamt 11 Datensätze, mehr als 22 Million Zeilen und 29 Tabellen bilden die Basis für die Evaluation.
Ein Highlight sind die neuen Autocomplete‑Aufgaben. Hier müssen Modelle fehlende Attributwerte innerhalb relationaler Tabellen vorhersagen, wobei zeitliche Beschränkungen beachtet werden. Damit geht die Benchmark über klassische Forecasting‑Aufgaben hinaus, die über SQL‑Abfragen definiert sind.
RelBench v2 integriert zudem externe Benchmarks und Evaluationsframeworks: Ereignisströme aus dem Temporal Graph Benchmark werden in relationale Schemata übersetzt, ReDeLEx ermöglicht den Zugriff auf über 70 reale Datenbanken für Pre‑Training, und 4DBInfer erweitert die Abdeckung mehrtabellarischer Vorhersagen. Experimente zeigen, dass RDL‑Modelle konsequent besser abschneiden als ein‑Tabellen‑Baselines.
Welche Linse du auf diese Meldung legen solltest
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.