본 논문은 대규모 언어 모델(LLM)을 활용한 TableQA(표 질의응답)에서 복잡한 추론 문제 해결을 위해 다양한 출력 방식(텍스트, SQL 쿼리, 파이썬 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 논리적 형태로 활용하는 새로운 접근법을 제시합니다. 기존 데이터셋을 기반으로 수식 주석이 달린 대규모 TableQA 데이터셋인 FormulaQA를 구축하고, 다양한 유형의 표와 질문에 대해 동시에 해결 가능한 일반적인 TableQA 프레임워크인 TabAF를 제안합니다. TabAF는 단일 LLM 백본을 사용하여 답변과 수식을 디코딩하여 유연성과 일반화 성능을 향상시키며, Llama3.1-70B 기반의 TabAF는 WikiTableQuestion, HiTab, TabFact 데이터셋에서 최첨단 성능을 달성합니다.
