본 논문은 기존의 tabular foundation model들이 표를 독립적인 개체로 취급하고 정보의 완전성을 가정함으로써 실제 세계의 복잡성과 운영 맥락을 간과하는 문제점을 지적합니다. 이를 해결하기 위해, 표가 선언적 및 절차적 운영 지식과 연결되어 있다는 점을 인지하고, Semantically Linked Tables (SLT) 개념을 제시합니다. 그리고 SLT를 기반으로 운영 맥락 내에서 표 데이터를 이해하는 Foundation Models for Semantically Linked Tables (FMSLT)를 제안합니다. FMSLT는 다양한 분야에서 복잡하고 상호 연결된 표 데이터에 대한 머신러닝의 잠재력을 최대한 활용할 수 있도록 합니다. 하지만 FMSLT를 구현하려면 공개 데이터셋에서는 얻기 어려운 운영 지식에 접근해야 하므로, 도메인 전문가와 연구자 간의 긴밀한 협력이 필수적임을 강조합니다. 결론적으로 본 논문은 기존 tabular foundation model의 한계를 드러내고, 맥락 인식이 가능한 강력한 구조화된 데이터 모델을 향상시키기 위한 FMSLT 중심의 새로운 방향을 제시합니다.