摘要
基于大语言模型（LLM）的表格推理任务需结合自然语言问题与结构化表格数据，但现有方法在处理大表时因长文本建模困难及输入长度限制而性能显著下降。虽然 Text-to-SQL 可提取关键信息生成子表，但网页表格常缺乏结构一致性，难以支持 SQL 数学逻辑运算。本文提出 ProgramTab 框架，利用上下文学习引导 LLM 使用 Python 代码进行表格预处理、行列提取及 SQL 生成。实验表明，该框架有效解决了表格推理任务，性能优于所有基于 LLM 的基线方法。
AI 推荐理由
论文核心解决表格推理难题，提出编程范式增强 LLM 推理能力。
研究机构
腾讯计算机系统有限公司
论文信息