FGTR：基于分层大语言模型推理的细粒度多表检索

针对现有大语言模型（LLM）表格检索方法在单表查询中因粗粒度编码导致精度低、效率差，且多表查询研究不足的问题，本文提出 FGTR 方法。该方法模仿人类推理策略，采用分层推理机制：首先识别相关模式元素，再检索对应单元格内容，最终构建与查询对齐的精确子表。在 Spider 和 BIRD 基准上的实验表明，FGTR 显著优于最先进方法，F2 指标分别提升 18% 和 21%，证明了其在增强细粒度检索及提升下游任务性能方面的有效性。