Resumen: El documento presenta nuestro sistema desarrollado para la respuesta de preguntas (TQA). Las tareas de TQA enfrentan desafíos debido a las características de los datos tabulares del mundo real, como gran tamaño, semántica de columna incompleta y ambigüedad de la entidad. Para abordar estos problemas, proponemos un marco de razonamiento de tabla con motor de lenguaje grande (LLM) y basado en la programación, llamado TablerEasoner. Modela una tabla que utiliza el esquema que combina representaciones estructurales y semánticas, lo que permite la comprensión holística y el procesamiento eficiente de tablas grandes. Diseñamos un plan de enlace de esquema de varios pasos para derivar un esquema de tabla enfocado que retiene solo información relevante de consultas, eliminando la ambigüedad y aliviando las alucinaciones. Este esquema de tabla enfocado proporciona detalles de tabla precisos y suficientes para el refinamiento y la programación de consultas. Además, integramos el flujo de trabajo de razonamiento en una arquitectura de pensamiento iterativo, permitiendo ciclos incrementales de pensamiento, razonamiento y reflexión. Nuestro sistema logra el primer lugar en ambas subtareas de la Tarea 8 de Semeval-2025.
Publicado Originalme en export.arxiv.org El 13 de julio de 2025.
Ver Fuente Original