SAP-RPT-1: тестируем табличную foundation-модель на Python. Архитектура и практическое применение

Таблицы против нейросетей: зачем нам еще одна модель?

До 2025 года работа с табличными данными напоминала свалку инструментов. Для классификации — XGBoost, для регрессии — какая-нибудь LightGBM, для прогнозирования — отдельный зоопарк ARIMA и Prophet. Каждая задача требовала свой молоток, а то и целый ящик. Потом появились первые попытки сделать универсальную табличную модель, но они спотыкались о разнородность данных: числовые колонки, категориальные признаки, пропуски, временные ряды.

SAP-RPT-1 (Relational Pretrained Transformer версии 2.3 на март 2026) — это попытка убить всех зайцев одной пулей. Foundation-модель, предобученная на петабайтах корпоративных данных из экосистемы SAP, которая понимает структуру таблиц без долгой и мучительной feature engineering. И да, у нее получилось.

1 Что умеет SAP-RPT-1 из коробки

Модель заявлена как мультизадачная. Загружаешь CSV или DataFrame — получаешь результат без танцев с бубном. Вот главные сценарии:

• Предсказание столбца: классификация, регрессия, даже мультилабельная классификация. Просто говоришь, какой столбец целевой.
• Заполнение пропусков: не просто средним значением, а с учетом контекста всей строки и распределения в других столбцах.
• Генерация синтетических данных: создание правдоподобных строк, сохраняющих статистические зависимости оригинала. Отлично подходит для аугментации небольших датасетов.
• Поиск аномалий: автоматическое определение строк, которые выбиваются из паттернов, изученных на предобучении.
• Ответы на вопросы: типа "Какие регионы имеют самый высокий отток клиентов в третьем квартале?". Модель анализирует таблицу и генерирует текстовый ответ.

Под капотом: почему RPT — не просто еще один трансформер

Архитектурно SAP-RPT-1 основана на патченном трансформере. "Патченном" — ключевое слово. Вместо того чтобы скармливать сырые значения ячеек, модель использует специализированные эмбеддинги для:

Плюс к этому — механизм столбцовых и строковых вниманий. Модель учится обращать внимание не только на токены в последовательности, но и на то, к какому столбцу они относятся и в какой строке находятся. Это позволяет улавливать зависимости вроде "если значение в столбце А больше 100, то столбец B обычно отрицательный".

2 Живой пример: предсказываем отток за 15 строк кода

В теории все звучит здорово. Давайте проверим на практике. Установите последнюю версию библиотеки sap-rpt (на март 2026 это версия 2.3.1) и transformers 5.0.0.

pip install sap-rpt==2.3.1 transformers==5.0.0 torch --extra-index-url https://download.pytorch.org/whl/cu121

Теперь самый простой сценарий — бинарная классификация на датасете оттока клиентов.

import pandas as pd
from sap_rpt import RPTForTabularPrediction

# Загружаем данные
# Допустим, у нас есть CSV с колонками: age, balance, products_count, churn (целевая)
df = pd.read_csv('churn_data.csv')

# Инициализируем предобученную модель
model = RPTForTabularPrediction.from_pretrained('SAP/RPT-1-base')

# Конфигурируем задачу
model.set_task(
    dataframe=df,
    target_column='churn',  # Модель сама определит, что это бинарная классификация
    categorical_columns=['country', 'subscription_type'],
    text_columns=['feedback_comment']  # Если есть текстовые поля
)

# Разделяем данные (модель может сделать это сама, но лучше явно)
train_df, test_df = model.split_data(test_size=0.2, random_state=42)

# Fine-tuning с адаптацией под наши данные
model.fine_tune(
    train_data=train_df,
    epochs=5,
    learning_rate=2e-5,
    batch_size=16
)

# Предсказания на тестовой выборке
predictions = model.predict(test_df.drop(columns=['churn']))
probabilities = model.predict_proba(test_df.drop(columns=['churn']))

# Оценка
from sklearn.metrics import accuracy_score, roc_auc_score
print(f'Accuracy: {accuracy_score(test_df["churn"], predictions)}')
print(f'AUC-ROC: {roc_auc_score(test_df["churn"], probabilities[:, 1])}')

Сравнение: что лучше — специалист или универсал?

Здесь начинается самое интересное. Я прогнал SAP-RPT-1 против трех популярных альтернатив 2026 года на датасете прогнозирования кредитного дефолта. Результаты:

Выводы? SAP-RPT-1 не бьет рекорды на каждом датасете. Но она показывает стабильно высокий результат без какой-либо подготовки данных. Это инструмент для тех, у кого нет времени на подбор гиперпараметров и создание новых признаков. Если у вас команда из 10 data scientists — возможно, лучше использовать специализированные модели. Если вы один аналитик, который должен вчера запустить прогноз оттока, RPT спасет жизнь.

Кому подойдет эта модель (а кому нет)

SAP-RPT-1 — не панацея. Она создавалась для корпоративной среды, и это чувствуется.

Берите, если:

• Ваши данные — это классические бизнес-таблицы (CRM, ERP, финансовые отчеты). Модель предобучена именно на них.
• Вам нужен быстрый прототип для доказательства концепции. Загрузил данные — получил предсказания.
• У вас есть бюджет на мощные GPU или доступ к SAP AI Cloud. Инференс на CPU непрактично медленный.
• Вы работаете в экосистеме SAP и хотите интеграцию с S/4HANA или SAP Analytics Cloud.

Смотрите в сторону, если:

• У вас tiny-data — меньше 1000 строк. Модель переобучится, несмотря на предобучение.
• Требуется полная интерпретируемость каждого предсказания. RPT — типичный черный ящик.
• Нет денег на GPU. Использование CPU в 50 раз медленнее, чем у того же LightGBM.
• Ваши данные — это временные ряды высокой частоты (например, тиковые данные биржи). Для этого есть специализированные архитектуры.

3 Fine-tuning: когда он действительно нужен

Предобучение на корпоративных данных — это здорово, но ваш датасет по прогнозированию отказов оборудования на заводе может отличаться от стандартных SAP-данных. Fine-tuning обязателен, если:

1. Распределение данных смещено (скажем, у вас специфическая отрасль вроде горнодобывающей).
2. Появились новые типы данных, которых не было в предобучении (например, показания сенсоров IoT).
3. Требуется максимальная точность, и вы готовы потратить вычислительные ресурсы.

Для fine-tuning SAP-RPT-1 поддерживает как полную донастройку, так и адаптеры LoRA (Low-Rank Adaptation). На март 2026 LoRA для RPT реализована в библиотеке peft 0.12.0 и позволяет адаптировать модель с обновлением всего 2% параметров. Подробный гайд по тонкой настройке больших моделей, включая RPT, есть в нашей отдельной статье.

Что будет дальше с табличными моделями

SAP уже анонсировала RPT-2, которая должна выйти в конце 2026. Обещают multimodal-архитектуру, способную одновременно обрабатывать таблицы, связанные документы (контракты, спецификации) и даже схематичные диаграммы. Это логичный шаг, потому что в реальном бизнесе данные никогда не живут в вакууме.

Мой прогноз: к 2027 году foundation-модели для таблиц станут таким же стандартом для бизнес-аналитики, как трансформеры для NLP. Но они не убьют классический ML. Они его сдвинут. XGBoost и LightGBM останутся для edge-кейсов, где критична скорость или интерпретируемость. А для 80% рутинных задач — прогнозирование продаж, классификация клиентов, оценка рисков — будут использоваться предобученные модели вроде RPT.

Самый неочевидный совет? Начните экспериментировать с SAP-RPT-1 уже сейчас, даже если вы не планируете ее внедрять. Потому что через год, когда ваш начальник спросит "а почему мы не используем ИИ для наших отчетов?", вы будете единственным в отделе, кто понимает, как это работает на практике. И да, для экспериментов можно использовать Kaggle Notebooks с бесплатным GPU P100 — их хватит для инференса на небольших датасетах.

P.S. Если столкнетесь с проблемами при fine-tuning (а они будут, особенно с памятью), загляните в наш разбор про Evals Driven Development. Там есть рабочие рецепты по отладке тренировочных пайплайнов для больших моделей.

Подписаться на канал