Deep Tabular Research via Continual Experience-Driven Execution

Created by

Haebom

저자

Junnan Dong, Chuang Zhou, Zheng Yuan, Yifei Yu, Siyu An, Di Yin, Xing Sun, Feiyue Huang

💡 개요

본 논문은 복잡하고 계층적인 헤더를 가진 비정형 테이블에 대한 장기 분석 과제 해결의 어려움을 "Deep Tabular Research (DTR)"로 정의하고, 이를 위한 새로운 에이전트 기반 프레임워크를 제안합니다. 제안된 방법론은 테이블 이해와 쿼리 기반 경로 결정을 위한 계층적 메타 그래프와 기대 기반 선택 정책을 활용하며, 과거 실행 결과를 활용한 지속적인 개선을 통해 장기 테이블 추론의 효과성을 입증합니다.

🔑 시사점 및 한계

•

비정형 테이블에 대한 장기 추론 문제를 "Deep Tabular Research (DTR)"로 명확히 정의하고, 이를 해결하기 위한 구조화된 프레임워크를 제시합니다.

•

전략적 계획과 저수준 실행을 분리하는 에이전트 기반 접근 방식이 장기 테이블 추론에 효과적임을 실험적으로 검증합니다.

•

과거 실행 결과를 학습 데이터로 활용하여 지속적으로 모델을 개선하는 방식은 복잡한 테이블 분석 성능 향상에 기여할 수 있습니다.

•

제안된 방법론의 일반화 성능 및 다양한 형태의 비정형 테이블에 대한 확장성은 추가적인 연구가 필요합니다.

PDF 보기

Made with Slashpage