基于答案-公式联合生成的通用表格问答
计算与语言
2025-09-03 v3 人工智能
摘要
先进的表格问答（TableQA）方法通过提示大语言模型（LLM）生成答案文本、SQL查询、Python代码或自定义操作，从而显著提高了TableQA任务中复杂推理问题的解答能力。然而，这些方法缺乏应对特定问题类型或表格结构的灵活性。相比之下，电子表格公式——一种用于表格数据的广泛使用且定义明确的操作语言——尚未被充分探索以解决TableQA问题。本文首先尝试将公式作为解决不同表格结构下复杂推理的可执行表示。具体而言，我们构建了 \texttt{FromulaQA}，一个来自现有数据集的大型公式标注表格问答数据集。此外，我们提出了 \texttt{TabAF}，一个通用的表格问答框架，可同时解决多种类型表格上的多种任务，该框架以单一LLM主干解码答案和公式。广泛的实验表明，\texttt{TabAF}的灵活性和泛化能力。在相同模型规模下，\texttt{TabAF}在WikiTableQuestion、HiTab和TabFact上实现了新的状态最佳性能。
引用
@article{arxiv.2503.12345,
title = {General Table Question Answering via Answer-Formula Joint Generation},
author = {Zhongyuan Wang and Richong Zhang and Zhijie Nie and Hangyu Mao},
journal= {arXiv preprint arXiv:2503.12345},
year = {2025}
}
备注
work in progress