TopBench：面向表格问答中隐式预测与推理的基准测试

大型语言模型推动了表格问答的发展，但多数查询仅需信息提取或简单聚合。针对现实世界中需要从历史模式推断未观测答案的隐式预测类查询，本文提出了 TopBench 基准。该基准包含 779 个样本，涵盖单点预测、决策制定、治疗效应分析及复杂过滤等子任务，要求模型生成推理文本及结构化表格。实验表明，当前模型常难以识别潜在意图而退化为简单查找；准确的意图消歧是实现有效预测推理的前提，提升预测精度需集成更复杂的建模或推理能力。