본 논문은 대규모 언어 모델(LLM)을 활용한 TableQA(표 질의응답)에서 복잡한 추론 문제 해결을 위해 다양한 출력 방식(텍스트, SQL 쿼리, Python 코드 등)을 사용하는 기존 방법들의 한계를 지적합니다. 기존 방법들이 특정 질문 유형이나 표 구조에 취약한 점을 보완하기 위해, 논문에서는 스프레드시트 수식을 TableQA 해결을 위한 실행 가능한 표현으로 활용하는 것을 제안합니다. 이를 위해 기존 데이터셋을 기반으로 수식 주석이 달린 대규모 TableQA 데이터셋인 FormulaQA를 구축하고, 단일 LLM 백본으로 답변과 수식을 동시에 디코딩하는 일반적인 TableQA 프레임워크인 TabAF를 제안합니다. 실험 결과, TabAF는 WikiTableQuestion, HiTab, TabFact 데이터셋에서 동일한 모델 크기 하에서 최첨단 성능을 달성함을 보여줍니다.
