ST-Raptor：面向半结构化表格问答的Agentic系统

半结构化表格问答（QA）是一项具有挑战性的任务，它要求（1）精确提取单元格内容与位置，以及（2）准确恢复表格布局中编码的关键隐式逻辑结构、层级关系与语义关联。在实践中，此类表格通常由人类专家人工解读，这既费人力又耗时。然而，将这一过程自动化仍然困难。现有 Text-to-SQL 方法通常需要将半结构化表格转换为结构化格式，不可避免地导致信息损失，而 Text-to-Code 与基于多模态 LLM 的问答等方法则难以应对复杂布局，常常给出不准确的答案。为解决这些局限，我们提出 ST-Raptor，一个面向半结构化表格问答的 Agentic 系统。ST-Raptor 提供一个交互式分析环境，结合可视化编辑、基于树的结构建模与智能体驱动的查询解析，以支持准确且用户友好的表格理解。在基准数据集与真实数据集上的实验结果表明，ST-Raptor 在准确率与可用性上均优于现有方法。代码发布于 https://github.com/weAIDB/ST-Raptor，演示视频见 https://youtu.be/9GDR-94Cau4。