SYNTQA:Mixture of Text-to-SQL and E2E TQA阅读

Abstract

文本到SQL解析和端到端问题回答（E2E TQA）是表格问答任务的两种主要方法。尽管在多个基准测试中取得了成功，但这两种方法尚未进行比较，它们的协同作用也未得到充分探索。本文通过在基准数据集上评估最先进的模型，识别了各自的优缺点：文本到SQL在处理涉及算术运算和长表格的问题时表现优越；而E2E TQA则在处理模糊问题、非标准表格模式和复杂表格内容方面更具优势。为了结合两者的优点，我们提出了一种协同表格问答方法，通过答案选择将不同的模型进行集成，这种方法与具体的模型类型无关。进一步的实验验证了，通过特征选择器或基于大语言模型（LLM）的答案选择器集成模型，相比单独模型，性能得到了显著提升。代码将在 https://github.com/siyue-zhang/SynTableQA 上公开。

Case Study

总结一下： 1，Text-to-SQL更擅长算术运算，更擅长长表格；E2E对模糊问题和非标准表格模式有较强鲁棒性，E2E TQA更灵活地处理复杂的表格内容，并且能够处理无法映射到SQL查询的问题。