摘要
检索相关表格是结构化信息检索的关键任务,而重排序器在多阶段检索系统中至关重要。本文提出 TabRank 框架,旨在训练具备推理能力的表格重排序器。我们构建了包含 6728 条推理轨迹的数据集,并探索了两种训练紧凑推理模型的方法:显式思维链蒸馏和在提示中条件化教师模型的推理轨迹。实验表明,TabRank 在多个数据集上显著提升了性能,且在多表推理场景中表现出优异的泛化能力。
AI 推荐理由
论文核心研究利用思维链(CoT)蒸馏提升表格重排序器的推理能力,直接针对推理机制。
研究机构
Arizona State University
Rensselaer Polytechnic Institute
Scale AI
论文信息