摘要

基于表格的推理与大型语言模型（LLMs）相结合是一种有前景的方向，可以解决许多表格理解任务，例如基于表格的问题回答和事实验证。与通用推理相比，基于表格的推理需要从自由形式的问题和半结构化的表格数据中提取潜在语义。尽管“思维链”及其类似方法通过文本上下文的形式将推理链纳入其中，但如何有效利用表格数据进行推理仍然是一个开放问题。我们提出了“表链”框架，在该框架中，表格数据被明确地用作中间思考的代理，以形成推理链。具体而言，我们通过上下文学习引导大型语言模型迭代生成操作并更新表格，从而表示一个基于表格的推理链。因此，大型语言模型可以根据前一次操作的结果动态规划下一步操作。这种连续演化的表格形成了一个链条，展示了给定表格问题的推理过程。该链条携带了中间结果的结构化信息，使得预测更加准确和可靠。“表链”在多个大型语言模型选择下，在WikiTQ、FeTaQA和TabFact基准测试中均取得了新的最先进性能。