FACTS：基于离线模板生成的表格摘要代理工作流

查询导向的表格摘要需要生成针对用户查询的自然语言表格摘要，使用户能够获取表格数据之外的洞察。现有方法存在关键局限性：表格到文本模型需要高昂的微调且难以处理复杂推理，基于提示的 LLM 方法 suffer from token 限制和效率问题，同时暴露敏感数据，而先前的代理管道常依赖分解、规划或手动模板，缺乏鲁健性和可扩展性。为缓解这些问题，我们引入一种代理工作流 FACTS，一种 Fast、Accurate and Privacy-Compliant 的表格摘要方法，通过离线模板生成。FACTS 生成离线模板，包含 SQL 查询和 Jinja2 模板，可渲染为自然语言摘要，并且可在多个共享相同模式的表格之间重复使用。它通过可重复使用的离线模板实现快速摘要，通过可执行 SQL 查询实现准确输出，并通过仅发送表格模式到 LLM 实现隐私合规。评估在广泛使用的基准测试上显示，FACTS 持续地优于基线方法，建立了为实际应用查询导向表格摘要提供实用解决方案。我们的代码可在 https://github.com/BorealisAI/FACTS 获取。