CRAFT：用于表格问答和事实验证的统一反事实推理框架

表推理对于 大语言模型 (LLM) 来说仍然具有挑战性，特别是在需要对长结构化表进行多步推理的任务中。现有的方法主要依赖于单向推理，这限制了它们跨任务探索替代假设的能力。在这项工作中，我们提出了 CRAFT，一种统一的反事实推理框架，它将表格问答和事实验证重新表述为通用的双向验证过程。我们的方法显式地构造了声明性陈述及其反事实变体。然后沿着原始路径和反事实路径从推理中提取证据，并通过加权机制整合以获得最终答案。实验结果表明，我们的方法始终超越 WikiTQ 和 TabFact 等表格推理数据集的代表性基线，在复杂问题回答方面取得了特别大的改进。我们的框架还显着缩小了不同主干网 LLM 之间的性能差距。这表明反事实推理有效克服了单向推理的局限性，引导LLM走向更具洞察力的推理，并为结构化推理任务建立了更有原则的范式。我们的代码将在接受后公开发布。