大语言模型时代的表格问答：任务、方法与评估综述

表格问答旨在回答关于表格数据的自然语言问题，通常还伴有文本段落等额外上下文。该任务涵盖多种设置，在表格表示、问题/答案复杂度、涉及的模态以及领域方面各不相同。尽管大语言模型的最新进展已使表格问答取得了实质性进展，但该领域在任务形式化、核心挑战和方法论趋势方面仍缺乏系统性的组织和理解，尤其是在强化学习等新兴研究方向涌现的背景下。本综述通过提供对表格问答研究的全面且结构化的概述，并重点关注基于大语言模型的方法，来填补这一空白。我们对现有基准测试和任务设置进行了全面分类。我们根据建模策略所针对的挑战对其进行分组，并分析了它们的优势和局限性。此外，我们强调了先前研究中尚未系统涵盖的、探索不足但具有时效性的主题。通过统一不同的研究线索并识别开放性问题，我们的综述为表格问答社区提供了一个整合的基础，有助于更深入地理解当前技术水平，并指导这一快速发展领域的未来发展。