懂AI

Tabular-LLM: 增强大语言模型处理表格数据的能力

RayRay
Tabular LLM表格智能Alpaca-CoTLLM微调平台Github开源项目

Tabular-LLM

Tabular-LLM:增强大语言模型处理表格数据的能力

随着ChatGPT等大语言模型(LLM)的兴起,其在处理自然语言任务方面展现出了惊人的能力。然而,在处理结构化的表格数据时,这些模型仍然存在一些局限性。为了探索如何增强LLM处理表格数据的能力,研究者们提出了Tabular-LLM项目。该项目旨在收集和整理开源的表格智能任务数据集,将原始数据整理为指令微调格式,并用于微调LLM,最终构建出专门面向表格智能任务的大型语言模型。

项目背景与动机

尽管ChatGPT等LLM已经具备了一定的表格处理能力,但它们仍然存在以下局限:

  1. 主要支持用Markdown格式表示的简单表格,对其他类型表格(如包含合并单元格的复杂表格)支持较弱。

  2. 在各项表格智能任务中的能力有待进一步增强,特别是在处理复杂的数值推理问题时容易出错。

  3. 与表格处理相关的训练数据并未开源,缺乏统一的整理。

基于这些考虑,Tabular-LLM项目提出了以下核心计划:

  1. 探索不同类型表格的表示方法,以便更好地处理复杂表格结构。

  2. 收集并整理涵盖多种类型表格、多种表格智能任务的数据。

  3. 开源表格智能LLM并进行测试分析,为研究者提供宝贵经验。

表格的表示方法

为了让LLM理解表格数据,需要将半结构化的表格转化为文本序列。项目探讨了多种表格表示方法,包括:

  1. 启发式文本序列格式:如TAPEX模型采用的方法。

  2. Markdown格式:ChatGPT等模型目前采用的主要方法。

  3. HTML格式:可以表示更复杂的表格结构,如合并单元格。

  4. Latex格式:常用于学术论文中表示表格。

经过权衡,项目决定优先使用Markdown格式表示不包含合并单元格的表格,使用HTML格式表示包含合并单元格的表格。对于难以转为HTML格式的数据,则将合并单元格拆分为多个相同的子单元格,再使用Markdown格式表示。

数据整理与开源

项目收集了多个表格智能任务的数据集,包括表格问答、表格事实验证等,并将原始数据整理为统一的指令微调格式。整理后的数据以JSON格式提供下载,包括训练集和测试集。

此外,项目还开源了基于不同数据进行微调得到的LoRA权重,研究者可以直接下载使用这些权重来测试模型效果。

未来展望

Tabular-LLM项目为增强LLM处理表格数据的能力提供了宝贵的数据资源和研究基础。随着项目的推进,研究者们希望能够:

  1. 探索更多表格表示方法,以适应不同类型的表格结构。

  2. 收集更多样化的表格智能任务数据集,扩大训练数据的规模和覆盖范围。

  3. 开发针对特定领域或特定软件的表格智能LLM,如配合Excel使用的LLM。

  4. 进行更深入的实验分析,总结提高LLM表格处理能力的有效方法。

通过这些努力,Tabular-LLM项目有望推动LLM在处理结构化数据方面的进步,为学术研究和实际应用提供有力支持。研究者们也欢迎更多人加入项目,共同探索LLM与表格数据处理的未来发展方向。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多