通过持续经验驱动执行进行深度表格研究

大型语言模型在处理具有层级结构和非规范布局的非结构化表格复杂长程分析任务时往往表现不佳。本文将此挑战形式化为“深度表格研究”（DTR），要求对相互依赖的表格区域进行多步推理。为此，我们提出了一种新颖的智能体框架，将表格推理视为闭环决策过程。该框架设计了耦合的查询与表格理解机制以支持路径决策和操作执行：首先构建分层元图以捕捉双向语义，将自然语言查询映射为操作级搜索空间；其次引入期望感知选择策略以优先高效用执行路径；最后，将历史执行结果综合为孪生结构化记忆，实现持续优化。实验验证了该方法在长程表格推理中将战略规划与底层执行分离的必要性及有效性。