TableMaster: Adaptives Denken für das Tabellenverständnis mit LLMs
TableMaster erreicht 78,13 % bei WikiTQ mit GPT-4o-mini, 13 Punkte über Chain-of-Table, mittels Table-of-Focus plus adaptivem Reasoning für Agenten über Beancount-Hauptbüchern.
#queries
Abfragen
Abfragegenerierung, Tabellenreasoning und strukturierter Datenabruf für Finanz-KI
Chain-of-Table: Evolution von Tabellen in der LLM-Schlussfolgerungskette
Chain-of-Table erreicht 67,31 % in WikiTQ gegenüber 61,48 % für rein textbasiertes Chain-of-Thought und führt bei Tabellen über 4.000 Token um 10,25 Punkte.
TableLlama: Kann ein offenes 7B-Modell mit GPT-4 beim Tabellenverständnis mithalten?
TableLlama schlägt GPT-4 bei der Spaltentypannotation (F1 94 vs. 32), liegt aber beim kompositionellen Denken in WikiTQ um 33 Punkte zurück.
TAPAS: Schwach überwachtes Table-QA ohne SQL und was es für Beancount bedeutet
TAPAS beantwortet Tabellenfragen durch Auswahl von Zellen, ohne SQL zu generieren. Es eignet sich für kleine Beancount-Ledger-Abfragen, versagt aber bei Skalierung.
MAC-SQL: Multi-Agent Collaborative Text-to-SQL
MAC-SQLs Drei-Agenten-Design erreicht 59,59% Ausführungsgenauigkeit auf BIRD, der Refiner trägt +4,63 Punkte bei – eine Vorlage für Beancount-Ledger-Abfragen.
DIN-SQL: GPT-4 verbessert sich um 67,4%→85,3% EX auf Spider
DIN-SQL hebt GPT-4 von 67,4% auf 85,3% Spider-Ausführungsgenauigkeit durch Schema-Link- und Selbstkorrektur-Phasen – dieselbe Zerlegung passt zu Beancount BQL.
BIRD: GPT-4 erreicht nur 54,89 % EX auf echten Datenbanken
Auf BIRD erreicht GPT-4 54,89 % Ausführungsgenauigkeit mit Domain-Hinweisen und 34,88 % ohne – eine Lücke von 20 Punkten, die jede Beancount-NL→BQL-Schnittstelle schließen muss.
GraphRAG: 72–83% Siege verschwinden nach Korrektur der LLM-Richter-Verzerrung
Microsofts GraphRAG erzielt 72–83% Sensemaking-Siege gegenüber Vektor-RAG; eine 2025-Audit lässt diese nach Korrektur der Richter-Verzerrung kollabieren—Vorsicht bei Multi-Dokument-Hauptbuch-QA.