TableMaster: Raonament adaptatiu per a la comprensió de taules amb LLM
TableMaster assoleix un 78,13% a WikiTQ amb GPT-4o-mini, 13 punts més que Chain-of-Table, via table-of-focus i raonament adaptatiu per a agents sobre llibres Beancount.
#queries
Consultes
Generació de consultes, raonament sobre taules i recuperació de dades estructurades per a IA financera
Chain-of-Table: Evolving Tables in the LLM Reasoning Chain
Chain-of-Table hits 67.31% on WikiTQ versus 61.48% for text-only chain-of-thought, and leads by 10.25 points on tables over 4,000 tokens.
TableLlama: Pot un model obert de 7B igualar GPT-4 en la comprensió de taules?
TableLlama supera GPT-4 en anotació de tipus de columna (F1 94 vs 32), però queda 33 punts enrere en raonament composicional a WikiTQ.
TAPAS: Weakly Supervised Table QA Without SQL, and What It Means for Beancount
TAPAS answers table questions by selecting cells, never generating SQL. It fits small Beancount ledger queries but breaks down at scale.
MAC-SQL: Text-to-SQL col·laboratiu multiagent
El disseny de tres agents de MAC-SQL assoleix 59,59% de precisió d'execució a BIRD, amb el Refiner afegint +4,63 punts: una plantilla per generar consultes de llibre Beancount.
DIN-SQL: GPT-4 salta de 67,4% a 85,3% EX en Spider
DIN-SQL eleva GPT-4 de 67,4% a 85,3% d'exactitud d'execució Spider mitjançant etapes d'enllaç d'esquema i auto-correcció—la mateixa descomposició s'aplica a Beancount BQL.
BIRD: GPT-4 només aconsegueix un 54,89% d'EX en bases de dades reals
A BIRD, GPT-4 arriba al 54,89% de precisió d'execució amb pistes de domini i al 34,88% sense—una diferència de 20 punts que qualsevol interfície NL→BQL de Beancount ha de tancar.
GraphRAG: les victòries del 72–83% desapareixen després de corregir el biaix del jutge LLM
El GraphRAG de Microsoft publica guanys de comprensió del 72–83% sobre el RAG vectorial; una auditoria del 2025 els esfondra després de corregir el biaix del jutge—advertència per a la QA de llibres multi-doc.