RoT：通过逐行遍历提高表格推理
计算与语言
2025-05-22 v1
摘要
表格推理任务对于高效的数据获取至关重要，旨在基于给定表格回答问题。最近，采用长链思维（Long CoT）的大型语言模型（RLLM）在表格推理方面显著提升了推理能力，取得了卓越的性能。然而，Long CoT 在训练成本高且因表格内容幻觉而表现不稳定。因此，我们提出了行思维（RoT），该方法进行逐行的表格遍历，允许在每一步遍历中进行推理扩展和基于反思的细化。通过行遍历扩展推理长度并利用 LLM 的反思能力，RoT 实现了无需训练。序次遍历鼓励对表格更大的关注，从而减少了幻觉。实验表明，RoT 使用非推理模型，平均优于 RLLM 4.3%，在 comparable 模型下在 WikiTableQuestions 和 TableBench 上实现最先进的结果，证明了其有效性。此外，RoT 比 Long CoT 使用更少的推理 token，表明其更高效。
引用
@article{arxiv.2505.15110,
title = {RoT: Enhancing Table Reasoning with Iterative Row-Wise Traversals},
author = {Xuanliang Zhang and Dingzirui Wang and Keyan Xu and Qingfu Zhu and Wanxiang Che},
journal= {arXiv preprint arXiv:2505.15110},
year = {2025}
}