English(EN) Generalizing Numerical Reasoning in Table Data through Operation Sketches and Self-Supervised Learning

TaNOS框架提升表格数值推理能力，超越GPT-5

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-23 09:55

研究人员开发了TaNOS，一个旨在提高AI模型处理表格数据时数值推理能力的新框架。该方法使用匿名化表头、用于结构线索的操作草图以及自监督预训练来创建可靠的程序-问题对。通过将领域语义与数值运算分离，TaNOS增强了推理能力的可迁移性，在FinQA等基准测试中，尤其是在领域迁移场景下，其表现显著优于标准的监督微调方法，甚至优于GPT-5和Gemini-2.5-Pro等专有模型。 AI

影响增强了AI模型在多样化表格数据集上进行数值推理的鲁棒性，有望改进金融和数据分析领域的应用。

排序理由这是一篇详细介绍用于提高AI模型在特定任务上性能的新框架的研究论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Jay-Yoon Lee · 2026-04-23 09:55

Generalizing Numerical Reasoning in Table Data through Operation Sketches and Self-Supervised Learning

Numerical reasoning over expert-domain tables often exhibits high in-domain accuracy but limited robustness to domain shift. Models trained with supervised fine-tuning (SFT) on specific datasets tend to rely on header-operation shortcuts rather than structural reasoning. We intro…

报道来源 [1]

Generalizing Numerical Reasoning in Table Data through Operation Sketches and Self-Supervised Learning

相关实体

相关话题