MRT at SemEval-2025 Task 8:通过多步骤最大化表格数据恢复
计算与语言
2025-05-29 v1 人工智能
信息检索
摘要
在本文中,我们展示了我们解决 \textit{SemEval 2025 Task 8:表格数据问答}挑战的方法。我们的策略利用 LLM 生成 Python 代码与表格交互并获取问题的答案。该过程由多个步骤组成:理解表格内容,以需遵循步骤的形式生成自然语言指令以获取答案,将这些指令翻译为代码,运行代码并处理潜在的错误或异常。这些步骤使用开源 LLM 以及针对每个任务(步骤)进行细粒度优化的提示。通过该方法,我们在子任务 1 中取得了 的分数。
引用
@article{arxiv.2505.22264,
title = {MRT at SemEval-2025 Task 8: Maximizing Recovery from Tables with Multiple Steps},
author = {Maximiliano Hormazábal Lagos and Álvaro Bueno Saez and Héctor Cerezo-Costas and Pedro Alonso Doval and Jorge Alcalde Vesteiro},
journal= {arXiv preprint arXiv:2505.22264},
year = {2025}
}
备注
7 pages, 6 tables