新框架提出通过语义标注分割电子表格
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载按单元格角色切块
这篇论文提出的做法，是把表格拆成若干可解释的片段，切分的依据是给每个单元格标注它在表里承担的角色。作者 Zofia Smoleń 把这种标注称为语义单元格标注。在由大模型驱动的检索增强生成流程里，这种标注带来的好处落在切块的可解释性上：片段本身带有更丰富的上下文，回答生成阶段因此受益。论文明确指出，收益并不体现在检索准确率变高。也就是说，改进发生在把表格内容交给模型之后的理解与作答环节，而不是在召回环节。
方法领先但存在上限
作者称该框架的表现超过了当前已有方案，但同时说明它撞上了一道硬性上限。原因在于表格的本质：它是二维的非结构化数据，单元格之间存在连续的关系，单元格可能承担的角色在理论上没有穷尽。分类模型只能输出有限的、预先定义好的类别，因此无论标注做得多细，哪怕达到人类标注的水平，也无法完整刻画这种结构上的细微差别。这一限制来自分类范式本身，而不是标注工作量不够。
从离散分类转向降维
论文给出的判断是，要打通表格到大模型的这条通路，就不能停留在离散的单元格分类上。作者主张该领域转向降维技术，把二维的非结构化表格直接压平成一维的非结构化文本。这样得到的文本片段，下游的检索增强生成流程更容易解读，也更容易据此生成答案。与继续扩充单元格角色类别相比，这条路线改变的是数据的表示形态，而不是分类体系的粒度。
适用范围与读者意义
这项工作的适用对象是需要让大模型读懂任意表格的问答场景，尤其是把表格接入检索增强生成管线的系统。它给出的现实预期是：语义单元格标注能提升片段的可解释性与上下文质量，但不能指望它彻底解决表格结构带来的信息损失。对搭建这类系统的人来说，短期可以沿用单元格角色标注来改善切块，长期则需要关注把二维表格压平为一维文本的降维思路，因为作者认为后者才是突破瓶颈的方向。
为什么值得看
突破表格数据进大模型的格式限制，提出从分类转向降维的新思路。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。