Die Bibliothek umfasst TabICLv2 und KumoTabular für einzelne Tabellen sowie KumoRelational für relationale Datenbanken. Die Modelle arbeiten laut der Anleitung mit In-Context Learning: Sie erhalten beschriftete Zeilen als Kontext und zusätzlich die Zeilen, für die eine Vorhersage gefragt ist. Die Ausgabe entsteht in einem Forward Pass und besteht je nach Modell und Aufgabe aus Wahrscheinlichkeiten oder einer vollständigen Vorhersageverteilung. Ein eigenes Training oder Fine-Tuning findet dabei nicht statt.
Die Anleitung zeigt, wie sich die Modelle mit strukturierten Tabellentensoren verwenden lassen. Sie vergleicht TabICLv2 und KumoTabular mit trainierten scikit-learn-Modellen und behandelt außerdem wiederverwendeten Kontext für mehrere Abfragen. Weitere Beispiele umfassen Vorhersageintervalle bei einer Regression und eine Klassifikation mit 20 Klassen. Die Tests wurden vollständig auf einer CPU ausgeführt; für Tabellenvorhersagen wird auch eine Ausführung auf einer T4-GPU erwähnt.
Für die Installation nutzt die Anleitung das GitHub-Repository von NVIDIA mit einem festgelegten Commit. Zusätzlich wird für den relationalen Sampler die Abhängigkeit pyg-lib benötigt. Die Anleitung weist darauf hin, dass die passenden pyg-lib-Räder nach der Minor-Version von PyTorch bereitgestellt werden, während eine Fehlermeldung der Bibliothek eine URL mit exakter Patch-Version bildet. Deshalb wird im Beispiel die Installationsadresse aus Haupt- und Minor-Version zusammengesetzt.
Die Anleitung behandelt auch Grenzen der Standardverarbeitung: Eine gezeigte Vorverarbeitung entfernt Zeitstempel- und Textspalten. Bei einem Erklärwerkzeug werden zwei mögliche Fehlerquellen thematisiert. Zum Schluss demonstriert sie Vorhersagen aus einer kleinen Datenbank mit drei Tabellen. Dabei wird laut Anleitung ein Argument verwendet, das zwischen einem relationalen Modell ohne Datenleckage und einem Modell mit Datenleckage unterscheidet. Die Modellgewichte und Lizenzen unterscheiden sich je nach Modell; TabFM und TimesFM 3 werden in der Anleitung wegen ihrer nicht-kommerziellen Lizenz nicht eingesetzt.