借助 SAP-RPT-1.5,转换结构化数据

应用 SAP 的关系型预训练转换器模型,无需从零开始构建模型,即可从企业数据中获取预测性洞察。
一位男士使用笔记本电脑办公,旁边的图片上显示 SAP-RPT playground 的用户界面及测试环境,正利用表格 AI 基于结构化数据开展预测分析。

什么是 SAP-RPT-1.5?

SAP-RPT-1.5 是一种关系型预训练转换器模型,采用情境式学习方法,基于结构化业务数据提供准确的预测性洞察。

placeholder

SAP-RPT-1.5 AI 模型具备以下能力:

  • 针对结构化数据进行预训练,无需投入高昂成本和大量时间进行模型训练。

  • 展开情境式学习,在数据不断变化或不完整的情况下,仍可提供实时、可靠的预测结果。

  • 内置治理机制,并保障可靠性与可解释性,支持端到端的渠道管理。

  • 生成式 AI 中心中提供两个商用版本,分别针对不同的速度与精度平衡需求进行了优化。

主要优势

加速获取洞察

即时部署面向结构化数据的预测型 AI,将数据准备时间从数周缩短至数小时,无需进行模型训练,也无需机器学习专业知识。*

即使数据不完善,也能生成准确洞察

即便面对不完整或动态变化的业务数据,预测质量最高仍可达到专用 AI 模型的 2 倍、语言模型的 3.5 倍。SAP-RPT-1.5 的架构富有韧性,专为解决传统模型难以应对的现实数据质量挑战而设计。*

规模化提升整个企业的预测能力

在所有业务部门和场景中使用统一的模型执行分类与回归任务,有助于简化部署工作,同时减少为每个用例单独构建预测模型的需求。

关键特性

placeholder

基于情境的学习 API

SAP-RPT-1 可以使用 API 调用直接提供的现有业务数据源或示例记录,处理分类和回归任务。这款模型可在每个请求的数据情境中识别数据模式,进而生成准确的预测结果。

预训练的关系架构

SAP-RPT-1.5 在设计上内置了对表格结构、数据关联关系以及业务逻辑的理解能力,可直接处理结构化数据集、动态变动的值及各类企业数据格式,无需进行自定义预处理或特征工程。

表格编排工作流

通过统一的企业级平台落地应用 SAP-RPT-1.5,将预测智能嵌入数据管道,并依托内置的治理机制、可靠性和可解释性进行管理。

两大版本,支持无限用例

SAP-RPT-1.5(轻量版)

  • 低延迟。

  • 预测吞吐量高。

  • 基本预测用例。

SAP-RPT-1.5(高性能版)

  • 准确性高。

  • 错误率最低。

  • 复杂预测用例。

资源

ConTextTab:面向表格数据的语义感知学习

ConTextTab 将语言模型语义与表格原生的高效处理能力相结合,能够在执行真实的业务表格预测任务时展现出卓越性能。

面向关系数据的情境式学习

深入了解 SAP 革命性的表原生基础模型,该模型使用情境式学习技术处理企业预测任务,而无需进行定制化训练。

常见问题

RPT 模型是一种基于大型结构化关系数据集进行预训练的 AI 系统,用于学习常见的表格数据模式。不同于处理文本序列的大型语言模型,SAP-RPT-1.5 专为理解结构化数据中的关系而设计,例如销售记录、财务交易、供应商绩效表格、人力资源指标等。

借助基于情境的学习功能,模型能够即时理解数据模式,并根据 API 调用中提供的示例记录快速适应新场景,从而提供即时、准确的情境化预测结果。

可以。访问 https://rpt.cloud.sap,即可在 SAP-RPT playground 中免费试用 SAP-RPT-1。你可以通过直观的交互式界面,配置预测场景并评估模型性能,然后使用自有 CSV 数据文件或 SAP 提供的示例数据,测试多类别分类和数值回归。SAP-RPT playground 将于 2026 年 9 月下旬升级至 SAP-RPT-1.5。

有。开源版本 sap-rpt-1-oss 已在 Hugging FaceGitHub 上提供,可用于研究和非商业用途。SAP-RPT-1.5 仅在 SAP 的生成式 AI 中心提供,有两个商用版本可供选择。

表格编排工作流功能将于 2026 年后半段正式上线,届时将推动该模型在业务场景中落地应用。这一功能将在 SAP 的生成式 AI 中心提供,支持通过 API 访问,并同步上线情境选择模块和模型选择模块。此工作流可自动选择正确的业务情境、构建 API 请求,并根据运行时提供的查询行返回预测,无需手动进行业务情境配置和模型处理。

提供。模型可观测性功能预计于 2026 年 7 月正式上线,将通过预测结果、详细的因素影响分析和数据归因能力,提升模型的可信度和透明度,为 SAP-RPT-1 中已有的 Top-k 预测和置信区间增强功能提供有力补充。

* 数据基于年收入 10 亿欧元、员工 2,000 人的消费品企业测算得出,年度收益来自一个或多个价值驱动因素。资料来源:SAP Value Management。