使用大语言模型（LLM）进行表格数据理解：近期进展与挑战综述
计算与语言
2025-08-04 v1 数据库
机器学习
摘要
由于表格具有复杂且灵活的结构，表格在大语言模型（LLM）和多模态大语言模型（MLLM）中受到广泛关注。与线性文本输入不同，表格是二维的，涵盖从 well-structured 数据库表格到复杂多层次电子表格等多种格式，每种格式都有不同的用途。这种格式和用途的多样性导致了开发专门方法和任务，而非通用方法，这使得理解表格任务的导航变得具有挑战性。为了应对这些挑战，本文通过表格输入表示的分类学和表格理解任务的介绍，介绍关键概念。我们突出了领域中的几个关键空白，表明需要进一步研究：（1）以检索为主的任务占主导地位，这些任务需要的推理仅限于数学和逻辑运算之外的最小推理；（2）模型在处理复杂表格结构、大规模表格、长度上下文或多表格情景时面临重大挑战；（3) 模型在不同的表格表示和格式之间泛化能力有限。
引用
@article{arxiv.2508.00217,
title = {Tabular Data Understanding with LLMs: A Survey of Recent Advances and Challenges},
author = {Xiaofeng Wu and Alan Ritter and Wei Xu},
journal= {arXiv preprint arXiv:2508.00217},
year = {2025}
}