借助表格思考：通过神经符号推理增强多模态表格理解

多模态大语言模型在图像和文本等模态上展现了卓越的推理能力，但表格数据作为关键现实模态仍未被充分探索。本文聚焦表格 - 视觉多模态理解任务，针对表格结构多变、特征依赖复杂及求解流程异构三大挑战，提出“借助表格思考”方法。该方法采用程序辅助的神经符号推理机制，通过与外部环境交互实现信息提取等关键操作。实验表明，该方法在八个数据集上平均准确率提升 10%，性能媲美甚至超越商用最先进模型。