O que é Large Data Model (LDM)?
Large Data Model (LDM) é um nome usado por alguns projetos de IA para modelos grandes, pré-treinados, que aprendem com dados estruturados (tabelas, planilhas, bancos de dados) do mesmo jeito que um LLM aprende com texto. O termo não tem uma definição única: não existe um artigo ou padrão que o fixe, e cada fornecedor o aplica à sua maneira. Por isso, ao ver “LDM” num material de venda, a primeira pergunta é: que dados o modelo lê e que tarefa ele resolve?
O uso mais claro que encontramos está no repositório do LimiX, um projeto aberto de modelos para dados estruturados, cujo título é “Large Foundation Models for Structured Data (LDMs)”. Segundo a página do projeto, o LimiX-2 foi pré-treinado com conjuntos de dados sintéticos gerados a partir de modelos causais e resolve classificação, regressão e imputação de valores ausentes com um único modelo, sem ajustar parâmetros para cada tarefa. Os números de desempenho divulgados ali são do próprio projeto e não foram conferidos por terceiros.
Exemplos Práticos de LDM
Nas fontes consultadas:
- Preencher lacunas: imputar valores ausentes de uma tabela, tarefa listada pelo LimiX e pela Granica.
- Classificar e prever: prever uma categoria ou um número a partir das colunas de uma tabela, como o LimiX propõe com um único modelo.
- Detectar anomalias: a Granica cita pontuar o quão incomum é uma linha e gerar linhas novas e válidas para testes.
Num time de marketing (leitura do Club Martech):
- Dados de CRM: completar campos vazios de cadastro antes de segmentar, com revisão de uma amostra por uma pessoa.
- Propensão e churn: comparar um modelo de dados estruturados com o modelo que o time já usa, na mesma base e com a mesma métrica.
- Teste de fornecedor: pedir uma prova com os dados da própria empresa; “LDM” no material não diz o que o modelo faz.
Sinônimos e Antônimos Relevantes
Sinônimos (conforme o uso):
- Large Tabular Model (LTM)
- Modelo de fundação para dados tabulares
- Modelo de fundação para dados estruturados
Antônimos:
- Modelo treinado do zero para uma única tarefa
- Modelo de linguagem treinado só em texto
Contexto e Áreas de Aplicação
- Dados corporativos: a Granica afirma que a maior parte dos dados das empresas está em tabelas, e que isso não se encaixa bem no modelo de texto dos LLMs.
- Pesquisa: o termo Large Tabular Model foi proposto por Van Breugel e Van Der Schaar, num artigo de posição do ICML 2024, como o equivalente tabular dos LLMs.
- Produtos de IA: projetos e empresas usam LDM, LTM ou nomes parecidos para vender modelos sobre tabelas e bancos de dados.
Referências e Termos Relacionados
- LLM: modelo de linguagem de grande porte, treinado em texto; é a referência de comparação do LDM.
- Large Tabular Model (LTM): termo mais citado na pesquisa para modelos de fundação sobre tabelas.
- Logical Data Model (LDM): homônimo da modelagem de dados, que descreve entidades, atributos e relações de um banco, e não tem relação com IA.
Notas Adicionais
- Três níveis, segundo a Granica: modelo de uma única tabela, modelo de banco de dados (várias tabelas que compartilham campos) e modelo de fundação (pré-treinado em vários bancos e ajustado a um banco-alvo). Essa é a classificação de uma empresa, não um padrão.
- Fidelidade importa mais que fluência: um LLM pode responder com qualquer continuação plausível; um modelo tabular que alimenta estatísticas precisa reproduzir as frequências e as correlações reais, incluindo subgrupos raros.
- Homônimo: em buscas, “LDM” costuma trazer Logical Data Model. Procure por “Large Data Model” ou “Large Tabular Model” para falar de IA.
- Licença e desempenho: no LimiX, os pesos do LimiX-2 saem sob uma licença não comercial segundo a página do projeto, e os benchmarks são autodeclarados. Confira antes de levar a produção.
- Limite deste verbete: não consegui abrir a documentação de outros fornecedores que usam o mesmo nome, então eles não são descritos aqui.
Classificação Gramatical
- Classe: locução substantiva
- Gênero: masculino (o Large Data Model, o LDM)
Pronúncia
- Leitura: não há pronúncia oficial; costuma-se soletrar as letras (éle-dê-ême).
Etimologia
- Origem: inglês, por analogia com Large Language Model, trocando “language” por “data”. Não identifiquei um autor ou artigo que tenha criado o termo.