RSAT：结构化归因使小型语言模型成为忠实的表格推理者

针对语言模型回答表格问题时缺乏可验证性的问题，本文提出 RSAT 方法，训练小型语言模型生成基于单元格引用的逐步推理。该方法包含两阶段：首先通过监督微调学习结构化输出格式，随后利用基于自然语言推理的忠实度奖励进行强化学习优化。实验表明，RSAT 将模型推理的忠实度提升了 3.7 倍，并实现了近乎完美的引用有效性，证明了将归因机制整合进推理过程而非事后添加的必要性。