Los autores proponen ProgramTab, un marco que guía a los grandes modelos de lenguaje para realizar preprocesamiento de datos tabulares utilizando código Python para aprendizaje in-context.
- El enfoque aborda la degradación del rendimiento en tablas grandes causada por las dificultades de modelado de texto largo y los límites de longitud de entrada.
- Supera las inconsistencias estructurales de las tablas web que hacen que las consultas SQL no sean adecuadas para operaciones de lógica matemática.
- ProgramTab combina la extracción de filas y columnas con la generación de SQL para extraer contenidos importantes de los datos tabulares.
- Los experimentos en conjuntos de datos de razonamiento tabular muestran que supera a todas las líneas base basadas en LLM.
El marco maneja eficazmente las tareas de razonamiento basado en tablas aprovechando paradigmas programáticos en lugar de depender únicamente de la conversión directa de texto a SQL.