TableMaster: Adaptívne uvažovanie pre porozumenie tabuľkám pomocou LLM
TableMaster dosahuje 78,13 % na WikiTQ s GPT-4o-mini, o 13 bodov viac než Chain-of-Table, vďaka table-of-focus a adaptívnemu uvažovaniu pre agentov nad Beancount ledgermi.
#queries
Dopyty
Generovanie dotazov, tabuľkové uvažovanie a retrieval štruktúrovaných dát pre finančnú AI
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: Dokáže otvorený model so 7B parametrami konkurovať GPT-4 v porozumení tabuliek?
TableLlama prekonáva GPT-4 v anotácii typu stĺpca (F1 94 vs 32), no zaostáva o 33 bodov v kompozičnom uvažovaní na WikiTQ.
TAPAS: Slabo dohliadané tabuľkové QA bez SQL a čo to znamená pre Beancount
TAPAS odpovedá na otázky o tabuľkách výberom buniek, nikdy negeneruje SQL. Hodí sa na malé dotazy nad Beancount ledgerom, ale pri väčšom rozsahu zlyháva.
MAC-SQL: Spolupráca viacerých agentov pri prevode textu na SQL
Trojagentový dizajn MAC-SQL dosahuje 59,59 % presnosti vykonania na BIRD, pričom Refiner pridáva +4,63 bodu — šablóna na generovanie dotazov nad Beancount ledgerom.
DIN-SQL: GPT-4 skočí z 67,4% na 85,3% EX na Spideri
DIN-SQL posúva GPT-4 z 67,4% na 85,3% presnosti vykonávania na Spideri cez fázy schema-link a self-correct — rovnaký rozklad sa hodí aj na Beancount BQL.
BIRD: GPT-4 dosahuje na reálnych databázach iba 54,89 % EX
Na BIRD dosahuje GPT-4 presnosť vykonávania 54,89 % s doménovými nápoveďami a 34,88 % bez nich – rozdiel 20 bodov, ktorý musí každé rozhranie NL→BQL v Beancount preklenúť.
GraphRAG: 72–83% výhier zmizne po oprave zaujatosti LLM sudcu
GraphRAG od Microsoftu hlási 72–83% výhier v porozumení nad vektorovým RAG; audit z roku 2025 ich po oprave zaujatosti sudcu znižuje – varovanie pre QA vo viacdokumentových účtovných knihách.