arXiv cs.CL· Shenghao Ye, Yuxiang Wang, Yu Guo, Tao Zhang, Shuangwu Chen, Zijian Wen, Qihui Zhu, Mengjie Zhang, Dong Jin, Wang Luo, Jian Yang·· 10 小时前AI 评分22
EcoTab：面向表格推理的表格感知逐步模型路由框架
Rethinking Stepwise Model Routing: A Cost-Efficient Table Reasoning Perspective
AI 导读
针对大推理模型（LRM）在表格推理中推理成本高的问题，研究者提出 EcoTab——一个表格感知的逐步路由框架，分别估计表格 token 与文本 token 的不确定性并映射为小模型下一步失败风险，再融合两类风险做路由决策。在多个表格推理基准上，EcoTab 稳定优于强基线，在准确率与效率之间取得更好平衡。该工作已被 EMNLP 2026 主会接收。
正文 · AI 翻译
作者：Shenghao Ye、Yuxiang Wang、Yu Guo、Tao Zhang、Shuangwu Chen、Zijian Wen、Qihui Zhu、Mengjie Zhang、Dong Jin、Wang Luo、Jian Yang
摘要：大型推理模型（LRMs）在表格推理任务上表现优异，但由于推理轨迹过长，推理成本高昂。逐步模型路由通过将推理步骤动态分配给较小或较大的模型来缓解这一问题。然而，面向表格推理的逐步模型路由仍未得到充分探索。通过实证分析，我们发现涉及表格的推理步骤包含两类具有不同不确定性分布的 token：基于表格结构的表格 token（如单元格值和表头），以及表示周围自然语言推理的文本 token。这两类 token 的不确定性都与模型在下一步推理中出错的风险相关。然而，现有方法未能对它们分别建模，导致路由决策次优。为此，我们提出 EcoTab，一个面向表格的逐步路由框架，用于高效表格推理。在每个推理步骤，EcoTab 分别估计表格 token 和文本 token 的不确定性，将其映射为小模型下一步的失败风险，并融合两种风险进行路由。在多个表格推理基准上的实验表明，EcoTab 持续优于强基线，并在准确率与效率之间实现了更好的平衡。
| 评论： | 17 页，15 幅图，已被 EMNLP 2026 Main 接收 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2605.29319 [cs.CL] |
| （或 arXiv:2605.29319v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.29319 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ye Shenghao [查看邮箱]
[v1]
2026 年 5 月 28 日星期四 03:49:10 UTC（1,842 KB）
[v2]
2026 年 11 月 2 日星期一 04:10:13 UTC（1,850 KB）
来源：arXiv cs.CL · arxiv.org