arXiv cs.CL· Eunbin Kim, Hyeonseok Kang, Sangkeun Jung·· 12 小时前AI 评分31
LTEM：面向表格理解与生成的 LLM 友好型表格增强 Markdown
LTEM: LLM-Friendly Table-Enhanced Markdown for Table Understanding and Generation
AI 导读
研究者提出 LTEM，一种形式化定义、对 Markdown 做最小扩展的表格格式，可显式编码合并单元格与多级表头。在五个 SOTA LLM 上的实验显示，LTEM 表格理解准确率与 HTML 相当，准确率-token 权衡优于 HTML 和 LaTeX，无效回答显著少于 LaTeX；表格生成表现与 MultiMarkdown 相当，HTML 最佳。
正文 · AI 翻译
摘要：现实文档中的表格，包括科学论文、财务报告和统计摘要，经常使用合并单元格、多级表头和分区布局。然而，LLM 最擅长处理的轻量级格式（Markdown、CSV）无法表达这些结构，而表达力强的格式（HTML、LaTeX）则带来过高的 token 成本和解析复杂度。为了系统性地分析这一权衡，我们引入了一个分类体系，将表格结构分解为六个原子特征（F1-F6）及相应的复杂度等级（L1-L6），并构建了 STB（Synthetic Table Benchmark），一个包含 1,089 个表格、系统分布于各复杂度等级的受控基准。基于该框架，我们提出了 LTEM（LLM-friendly Table-Enhanced Markdown），一种形式化定义的、对 Markdown 的最小扩展，可显式编码跨度和层级表头。在五个最先进 LLM 上的实验表明，LTEM 达到了与 HTML 相当的准确率，相对于 HTML 和 LaTeX 具有更优的准确率-token 权衡，且产生的无效响应显著少于 LaTeX；在表格生成方面，LTEM 与 MultiMarkdown 相当，不过 HTML 最佳。我们发布了分类体系、基准和格式规范，以支持未来关于 LLM 与表格交互的研究。
| Comments: | 已被 EMNLP 2026 主会议接收 |
| Subjects: | 计算与语言（cs.CL）；人工智能（cs.AI） |
| Cite as: | arXiv:2610.29188 [cs.CL] |
| （或 arXiv:2610.29188v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29188 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Eunbin Kim [查看邮箱]
[v1]
2026年10月21日 星期三 04:18:54 UTC（146 KB）
来源：arXiv cs.CL · arxiv.org