PEARL：用于多跳表检索的前端加载关系链

虽然大语言模型（LLM）在表格推理方面表现出了强大的能力，但由于现实世界数据的碎片化和关系结构，检索相关表格仍然具有挑战性。现有的工作通常依赖于整个表表示，而忽略了连接关系引起的跨表语义。我们提出了 PEARL，这是一个 无需训练 框架，它将范式转向基于垂直分区的子表编码。 PEARL 通过在预先确定的连接路径上生成多跳查询并将相关列重新组织为垂直分区的语料库单元，从而增强离线检索语料库，从而无需查询时 LLM 推理即可实现有效的多表检索。实验表明，PEARL 始终优于现有方法，在 3 跳查询上，R@2 的增益高达 +30.05%。源代码可在 https://github.com/SOOB2NHO/PEARL 获取。