解耦骨架与血肉：基于解耦对齐与结构感知引导的高效多模态表格推理

针对大型视觉语言模型（LVLM）在表格图像推理中因布局复杂及结构内容耦合紧密而面临的挑战，本文提出了一种无需昂贵监督训练或外部工具的高效解决方案。首先，引入 DiSCo 框架，通过在多模态对齐中显式分离结构抽象与语义落地，实现模型对表格结构的高效适应。其次，构建 Table-GLS 框架，利用全局到局部的结构引导进行结构化探索与证据支撑的推断。实验表明，该方法显著增强了 LVLM 的表格理解与推理能力，尤其在未见表格结构的泛化性上表现优异。