CoReTab：用代码驱动推理改进多模态表格理解

现有多模态表格理解数据集（如MMTab）主要提供简短的事实性答案，缺乏显式的多步推理监督。在这些数据集上训练的模型常生成简短回答，准确性不足，且对模型如何得出最终答案缺乏可解释性。我们提出CoReTab，一个代码驱动的推理框架，通过将多步推理与可执行Python代码耦合，产出可扩展、可解释且可自动验证的标注。使用CoReTab框架，我们整理了115K个经验证样本的数据集，平均每条回答529个token，并通过三阶段流水线微调开源多模态大模型。我们在涵盖表格问答、事实验证和表格结构理解的17个MMTab基准上评估基于CoReTab训练的模型。我们的模型分别取得+6.2%、+5.7%和+25.6%的显著增益，同时产出透明且可验证的推理轨迹。这些结果确立CoReTab作为提升多模态表格理解多步推理的稳健且可泛化的监督框架。