FT-RAG：一种用于复杂表格推理的细粒度检索增强生成框架

检索增强生成（RAG）通过外部知识增强大模型，但在结构化表格数据上表现不佳，主要受限于检索粒度粗糙及语义理解不足。为此，本文提出 FT-RAG 框架，将表格分解为条目级语义单元构建结构图，利用结构邻居扩展机制进行检索，并通过多模态融合整合上下文。此外，构建了包含 9870 个高难度问答对的 Multi-Table-RAG-Lib 基准。实验表明，该方法在表格级和单元格级命中率及精确值准确率上显著优于现有基线，确立了混合模态文档复杂推理的新标杆。