AILS-NTUA在SemEval-2025任务8中的参赛方案：语言到代码提示与错误修复用于表格问答
计算与语言
2025-08-04 v2
摘要
本文介绍了我们对SemEval-2025任务8：表格数据问答的提交方案。该任务基于DataBench数据集评估，旨在衡量大型语言模型(LLM)在结构化数据上回答自然语言问题的能力，同时解决以往基准测试中存在的主题多样性和表格规模限制问题。我们提出的系统运用有效的LLM提示，将自然语言查询翻译为可执行代码，从而实现准确的响应、错误更正和可解释性。我们的方案在该竞赛的两个子任务中均名列第一，显著优于组织者提供的基线模型。
引用
@article{arxiv.2503.00435,
title = {AILS-NTUA at SemEval-2025 Task 8: Language-to-Code prompting and Error Fixing for Tabular Question Answering},
author = {Andreas Evangelatos and Giorgos Filandrianos and Maria Lymperaiou and Athanasios Voulodimos and Giorgos Stamou},
journal= {arXiv preprint arXiv:2503.00435},
year = {2025}
}