ASTRA：复杂表问答的自适应语义树推理架构

表序列化仍然是 大语言模型 (LLM) 在复杂表问答中的关键瓶颈，受到结构忽视、表示差距和推理不透明等挑战的阻碍。现有的序列化方法无法捕获显式的层次结构并且缺乏模式灵活性，而当前基于树的方法的语义适应性有限。为了解决这些限制，我们提出了 ASTRA（自适应语义树推理架构），包括两个主要模块：AdaSTR 和 DuTR。首先，我们介绍 AdaSTR，它利用 LLM 的全局语义感知将表重建为逻辑语义树。这种序列化显式地对层次依赖关系进行建模，并采用自适应机制来根据表规模优化构建策略。其次，在此结构的基础上，我们提出了 DuTR，一种双模式推理框架，集成了用于语言对齐的基于树搜索的文本导航和用于精确验证的符号代码执行。对复杂表基准的实验表明，我们的方法实现了最先进的 (SOTA) 性能。