TabWM — реляционная модель мира для прогнозирования изменений в базах данных, представленная в работе «Relational Learning as World Modeling» и разработанная автором репозитория oooranz. По нескольким наблюдаемым выполнениям реляционной системы она предсказывает структурированные изменения базы данных, которые вызовет новое действие, без обновления параметров модели.

Модель предварительно обучена на WorldRel — генераторе исполняемых реляционных миров; её энкодер инициализирован весами RT-PluRel Relational Transformer. Архитектура включает 12 блоков Relational Transformer, 8 голов внимания, размерность модели 256 и 24,7 млн параметров. Контекст — до 4096 токенов; веса представлены в формате safetensors и используют float32. Модель предназначена для классификации табличных данных и прогнозирования эффектов действий в реляционных системах на основе нескольких примеров.

Лицензия — MIT. Карточка не сообщает результатов оценки качества или ограничений на тип и размер поддерживаемых баз данных, поэтому применимость к конкретным реальным системам следует проверять отдельно.