NormTab：通过表格数据规范化提升大语言模型的符号推理能力
计算与语言
2025-04-04 v2 人工智能
数据库
信息检索
摘要
近年来，大语言模型（LLMs）在解析文本数据和生成代码方面展现了卓越的能力。然而，它们在涉及表格数据的任务中，尤其是需要符号推理的任务，表现面临挑战，原因在于网络表格中表格单元格值的结构差异和不一致性。本文中，我们引入了NormTab，一个旨在通过规范化网络表格来增强LLMs符号推理性能的新型框架。我们将表格规范化作为一个独立的、一次性的预处理步骤进行研究，利用LLMs来支持对表格数据的符号推理。我们在具有挑战性的网络表格数据集（如WikiTableQuestion和TabFact）上进行的实验评估表明，利用NormTab显著提升了符号推理性能，展示了网络表格规范化对于增强基于LLM的符号推理任务的重要性和有效性。
引用
@article{arxiv.2406.17961,
title = {NormTab: Improving Symbolic Reasoning in LLMs Through Tabular Data Normalization},
author = {Md Mahadi Hasan Nahid and Davood Rafiei},
journal= {arXiv preprint arXiv:2406.17961},
year = {2025}
}
备注
EMNLP 2024 (Findings)