ST-Raptor：用于半结构化表格问答的智能体系统
人工智能
2026-02-10 v1
摘要
半结构化表格问答（QA）是一项具有挑战性的任务，需要（1）精确提取单元格内容和位置，以及（2）准确恢复表格布局中编码的关键隐式逻辑结构、层次关系和语义关联。实际中，这类表格通常由人类专家手动解释，这既费时又费力。然而自动化这一过程仍然困难。现有的Text-to-SQL方法通常需要将半结构化表格转换为结构化格式，不可避免地导致信息损失，而Text-to-Code和多模态LLM-based QA方法则在处理复杂布局时常常得不到准确答案。为此，我们提出了ST-Raptor，一个用于半结构化表格问答的智能体系统。ST-Raptor提供了一个交互式分析环境，将可视化编辑、基于树的结构建模和智能体驱动的查询解决相结合，以支持准确且用户友好的表格理解。实验结果表明，在基准数据集和真实世界数据集上，ST-Raptor在准确性和可用性方面均优于现有方法。代码已公开于https://github.com/weAIDB/ST-Raptor，演示视频也已发布于https://youtu.be/9GDR-94Cau4。
引用
@article{arxiv.2602.07034,
title = {ST-Raptor: An Agentic System for Semi-Structured Table QA},
author = {Jinxiu Qu and Zirui Tang and Hongzhang Huang and Boyu Niu and Wei Zhou and Jiannan Wang and Yitong Song and Guoliang Li and Xuanhe Zhou and Fan Wu},
journal= {arXiv preprint arXiv:2602.07034},
year = {2026}
}