通过可验证推理轨迹奖励增强表格问答

训练表格问答（TableQA）代理的主要挑战在于答案需通过对表格状态的多步转换推理得出，而非静态输入推断。本文提出 RE-Tab 框架，将问题建模为部分可观测马尔可夫决策过程，利用轻量级、无需训练的奖励模型增强轨迹搜索。该方法在状态转移和模拟推理阶段提供显式的可验证奖励，有效引导代理导航。实验表明，RE-Tab 在多个基准测试中达到最先进水平，显著提升问答准确率并大幅降低推理成本，证明了其在不同大语言模型中的通用性。