Better Think with Tables: Leveraging Tables to Enhance Large Language Model Comprehension

本文是LLM系列文章，针对《Better Think with Tables: Leveraging Tables to Enhance Large Language Model Comprehension》的翻译。

摘要

尽管大型语言模型（LLM）最近取得了进展，但它们在处理复杂的查询时遇到了困难，这些查询通常涉及多个条件，在现实世界中很常见。我们提出了用表格思考，这是一种帮助LLM利用表格进行与人类认知行为相一致的中间思维的技术。通过引入一个预指令，触发LLM在表中组织信息，我们的方法实现了40.29%的平均相对性能提高、更高的鲁棒性，并显示了对不同请求、条件或场景的泛化能力。我们还通过比较我们引入的四个不同结构级别的结果，展示了数据结构化对模型的影响。

1 引言

2 相关工作

3 方法

4 实验设置

5 结果

6 讨论

7 结论

我们提出了用表格思考，这增强了LLM对结构化数据上具有多种条件的复杂请求的理解。关键的直觉是与人类的认知偏好保持一致，在处理复杂任务时，人类从组织信息中受益，这是一个中间步骤。我们通过广泛的实验表明，用表格思考可以显著提高LLM的性能和鲁棒性（可变性较小）。此外，通过大量的消融研究，我们展示了我们方法的普遍性和完整性，以及未来可能的扩展，强调了结