面向现实场景的表格智能体：能力、工作流程与 LLM 基于表格智能的设计原则
人工智能
2025-07-15 v1 数据库
摘要
表格是金融、医疗和公共行政等领域的基本要素，但现实场景中的表格任务往往涉及噪声、结构异质性和语义复杂性——这些问题在主要针对干净学术数据集的现有研究中受到 insufficient 关注。本综述聚焦于 LLM 基于的表格智能体，这类智能体旨在通过集成预处理、推理和领域适应来自动化表格中心工作流程。我们定义了五个核心能力——C1：表格结构理解、C2：表格与查询语义理解、C3：表格检索与压缩、C4：可追溯的可执行推理、C5：跨域泛化——来分析和比较当前方法。此外，我们详细检视了 Text-to-SQL 智能体，揭示了学术基准与现实场景之间的性能差距，尤其是对于开源模型而言。最后，我们提供了可操作性见解，以提高 LLM 基于的表格智能体在实际环境中的鲁棒性、泛化性和效率。
引用
@article{arxiv.2507.10281,
title = {Toward Real-World Table Agents: Capabilities, Workflows, and Design Principles for LLM-based Table Intelligence},
author = {Jiaming Tian and Liyao Li and Wentao Ye and Haobo Wang and Lingxin Wang and Lihua Yu and Zujie Ren and Gang Chen and Junbo Zhao},
journal= {arXiv preprint arXiv:2507.10281},
year = {2025}
}