TableLLM: Enabling Tabular Data Manipulation by LLMs in Real Office Usage Scenarios

我们介绍了TableLLM，这是一个拥有130亿参数的强大的大型语言模型（LLM），专门用于高效处理表格数据操作任务，无论这些任务是嵌入在文档还是电子表格中，都适用于真实的办公场景。我们提出了一种远程监督方法进行训练，其中包括一种推理过程扩展策略，有助于训练LLMs更有效地理解推理模式，以及一种交叉验证策略，确保自动生成的数据的质量。为了评估TableLLM的性能，我们制定了一个基准测试，旨在解决文档和电子表格格式，并构建了一个组织良好的评估管道，能够处理这两种情况。全面的评估强调了TableLLM与各种现有的通用和表格数据专注的LLM相比的优势。我们已经公开发布了模型检查点、源代码、基准测试和用户交互的Web应用程序。

TableLLM旨在解决在文档和电子表格中处理表格数据的问题。作者提出了一种远程监督的训练方法，以提高LLM的推理能力。

TableLLM是一个13亿参数的大型语言模型，专门用于处理表格数据。作者提出了一种远程监督的训练方法，利用推理过程扩展策略和交叉验证策略来提高LLM的推理能力。

论文提出了一个针对文档和电子表格的基准测试，并构建了一个评估管道来处理这两种场景。作者公开了模型检查点、源代码、基准测试和一个Web应用程序供用户交互。实验结果表明，TableLLM在处理表格数据方面比其他现有的通用和表格数据专注的LLM表现更好。

目前在这个领域中的相关研究包括TAPAS、TabNet、BERT等。