arXiv cs.AI· Jia Ling, Yangfan Wang, Chen Tang, Haoming Tan, Yang Yang, Yi Guan, Jingchi Jiang·· 6 天前AI 评分22
H2Table：用分层超图增强 LLM 进行复杂表格推理
H2Table: Hierarchical Hypergraph-Enhanced Large Language Models for Complex Table Reasoning
AI 导读
H2Table 将复杂表格表示为分层嵌套超图，并设计专用超图编码器在表头与单元格之间传递消息，再通过一组可学习查询向量把结构化嵌入轻量注入 LLM。在 HiTab 数据集上，该方法在嵌套深度为四的高复杂表格上较 SOTA 基线平均提升 22.88%，代码已开源，论文被 EMNLP 2026 主会接收。
正文 · AI 翻译
摘要：表格广泛存在于各个领域，但对其进行推理仍然是现代大型语言模型（LLM）面临的重大挑战。当前方法通常将表格线性化为序列，从根本上忽略了其固有的二维和层次结构。为解决这一问题，我们提出了 H2Table（层次超图增强的表格推理），这是一个将复杂表格表示为层次嵌套超图的新框架。为处理这种表示，我们设计了一个定制的超图编码器，以促进超边（表头）与节点（单元格）之间的消息传递，从而感知复杂表格中它们之间的语义蕴含关系。此外，我们引入了一组可学习的查询向量，作为轻量级桥梁，将编码器中的代表性结构嵌入提取到 LLM 中。实验结果表明，我们的方法能够有效处理具有层次嵌套表头的复杂表格问答任务。值得注意的是，在 HiTab 数据集上，对于嵌套深度为四的高度复杂表格，H2Table 相比最先进的基线平均提升了 22.88%。我们的代码可在以下网址获取：this https URL。
| 评论： | 被 EMNLP 2026（主会议）接收。Camera-ready 版本 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.01216 [cs.AI] |
| （或 arXiv:2609.01216v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.01216 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jia Ling [查看邮箱]
[v1]
2026年9月1日星期二 13:19:42 UTC（1,948 KB）
[v2]
2026年10月9日星期五 14:10:37 UTC（1,948 KB）
来源：arXiv cs.AI · arxiv.org