Il framework FT-RAG migliora il ragionamento tabellare nei LLM

Il nuovo framework FT-RAG potenzia il Retrieval-Augmented Generation (RAG) specificamente per il ragionamento complesso su tabelle. I sistemi RAG tradizionali spesso falliscono con informazioni tabellari strutturate a causa della loro granularità di recupero ampia e della mancanza di una profonda comprensione semantica. FT-RAG supera queste sfide scomponendo le tabelle in componenti semantici a livello di entry per formare un grafo strutturato. Utilizza un approccio di espansione dei vicini strutturali per identificare entità semanticamente correlate durante il recupero dal grafo, seguito da una fusione multimodale per l'integrazione del contesto. Per affrontare il problema dei dataset limitati, gli autori presentano Multi-Table-RAG-Lib, un benchmark con 9.870 coppie QA complesse che richiedono l'integrazione di più tabelle e la fusione testo-tabella. Il paper è disponibile su arXiv con ID 2605.01495.