TabRank: Un Framework per Addestrare Reranker Ragionanti nel Recupero Tabulare

TabRank è un nuovo framework progettato per addestrare reranker ragionanti su misura per il recupero tabulare. Questa iniziativa risponde alla crescente importanza dei reranker neurali e basati su LLM nei sistemi di recupero multi-stadio, che migliorano le selezioni candidate dai recuperatori iniziali. I recenti progressi nei Large Reasoning Models (LRM) che utilizzano il ragionamento a catena di pensiero (CoT) hanno portato a migliori risultati di ranking nel recupero di passaggi non strutturati. TabRank applica questo concetto ai dati strutturati assemblando un dataset dettagliato composto da 6.728 tracce di ragionamento per il reranking tabulare, specificamente sul dataset Natural Questions Tables. Il framework esplora anche due approcci per sviluppare un modello di ragionamento compatto. Questa ricerca è stata resa disponibile su arXiv con ID 2607.25182.