表格-文本对齐：科学论文中针对表格的主张验证解释
计算与语言
2025-09-18 v2
摘要
科学论文中针对表格的主张验证通常需要预测给定表格后，主张是否被支持或被反驳。然而，我们认为仅预测最终标签是不够的：这会暴露模型推理方式，解释性有限。为此，我们将表格-文本对齐重新定义为解释任务，要求模型识别主张验证所必需的表格单元格。我们通过为 SciTab 数据集添加人工标注的单元格级理由来构建新数据集。标注者验证主张标签，并突出显示支持其决定所需的最小单元格集合。在标注过程中，我们收集的信息并提出了处理模糊情况的分类法。我们的实验表明：(i) 融合表格对齐信息可提高主张验证性能，且(ii) 大多数大语言模型虽然常预测正确标签，却无法恢复人类对齐的理由，表明其预测并非源于可靠的推理。
引用
@article{arxiv.2506.10486,
title = {Table-Text Alignment: Explaining Claim Verification Against Tables in Scientific Papers},
author = {Xanh Ho and Sunisth Kumar and Yun-Ang Wu and Florian Boudin and Atsuhiro Takasu and Akiko Aizawa},
journal= {arXiv preprint arXiv:2506.10486},
year = {2025}
}
备注
EMNLP 2025 Findings; 9 pages; code and data are available at https://github.com/Alab-NII/SciTabAlign