論文の概要: Beyond Natural Language Plans: Structure-Aware Planning for Query-Focused Table Summarization

• arxiv url: http://arxiv.org/abs/2507.22829v1
• Date: Wed, 30 Jul 2025 16:42:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 16:14:18.342686
• Title: Beyond Natural Language Plans: Structure-Aware Planning for Query-Focused Table Summarization
• Title（参考訳）: 自然言語プランを超えて:クエリに焦点をあてたテーブル要約のための構造を考慮したプランニング
• Authors: Weijia Zhang, Songgaojun Deng, Evangelos Kanoulas,
• Abstract要約: 本稿では,従来のマルチエージェントシステムにおけるフォーマリズムにインスパイアされた新しい構造化プランTaSoFと,3段階の推論プロセスを形式化するフレームワークSPaGeを紹介する。 3つの公開ベンチマークの実験では、SPaGeはシングルテーブルとマルチテーブルの両方で、従来モデルよりも一貫して優れていた。
• 参考スコア（独自算出の注目度）: 21.1381898110636
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Query-focused table summarization requires complex reasoning, often approached through step-by-step natural language (NL) plans. However, NL plans are inherently ambiguous and lack structure, limiting their conversion into executable programs like SQL and hindering scalability, especially for multi-table tasks. To address this, we propose a paradigm shift to structured representations. We introduce a new structured plan, TaSoF, inspired by formalism in traditional multi-agent systems, and a framework, SPaGe, that formalizes the reasoning process in three phases: 1) Structured Planning to generate TaSoF from a query, 2) Graph-based Execution to convert plan steps into SQL and model dependencies via a directed cyclic graph for parallel execution, and 3) Summary Generation to produce query-focused summaries. Our method explicitly captures complex dependencies and improves reliability. Experiments on three public benchmarks show that SPaGe consistently outperforms prior models in both single- and multi-table settings, demonstrating the advantages of structured representations for robust and scalable summarization.
• Abstract（参考訳）: クエリ中心のテーブル要約には複雑な推論が必要であり、しばしばステップバイステップ自然言語(NL)計画を通じてアプローチされる。 しかし、NLプランは本質的に曖昧で構造が欠如しており、SQLのような実行可能なプログラムへの変換を制限し、特にマルチテーブルタスクのスケーラビリティを妨げている。 そこで本研究では,構造化表現へのパラダイムシフトを提案する。 従来のマルチエージェントシステムにおけるフォーマリズムにインスパイアされた新しい構造化されたプランであるTaSoFと,3段階の推論プロセスを形式化するフレームワークであるSPaGeを導入する。 1)クエリからTaSoFを生成するための構造化計画。 2) グラフベースの実行 計画ステップをSQLに変換し、並列実行のための有向巡回グラフを介してモデル依存をモデル化する。 3)クエリ中心の要約を生成するための概要生成。 本手法は, 複雑な依存関係を明示的に把握し, 信頼性を向上させる。 3つの公開ベンチマークの実験では、SPaGeはシングルテーブルとマルチテーブルの両方で先行モデルよりも一貫して優れており、堅牢でスケーラブルな要約のための構造化表現の利点を示している。

関連論文リスト

• LogiPlan: A Structured Benchmark for Logical Planning and Relational Reasoning in LLMs [7.012555483275226]
  LogiPlanは、大規模言語モデル(LLM)の論理的計画と複雑なリレーショナル構造に対する推論能力を評価するために設計されたベンチマークである。 我々はDeepSeek R1, Gemini 2.0 Pro, Gemini 2 Flash Thinking, GPT-4.5, GPT-4o, Llama 3.1 405B, O3-mini, O1, Claude 3.7 Sonnetを3つのタスクで評価した。
  論文  参考訳（メタデータ） (2025-06-12T09:47:02Z)
• HyperTree Planning: Enhancing LLM Reasoning via Hierarchical Thinking [109.09735490692202]
  提案するHyperTree Planning(HTP)は,高木構造プランニングアウトラインを構成する新しい推論パラダイムである。 実験ではHTPの有効性を実証し、Gemini-1.5-ProによるTravelPlannerベンチマークで最先端の精度を実現し、o1-previewよりも3.6倍の性能向上を実現した。
  論文  参考訳（メタデータ） (2025-05-05T02:38:58Z)
• Guiding Language Model Reasoning with Planning Tokens [122.43639723387516]
  大規模言語モデル(LLM)は、最近、複雑な推論タスクを実行する能力に対して、かなりの関心を集めている。 より構造的なチェーン・オブ・シークレット・ステップの創出を促す階層的な生成手法を提案する。 提案手法では、トレーニング可能なパラメータ(0.001%)の無視可能な増加が必要であり、完全な微調整か、よりパラメータ効率の良いスキームで適用することができる。
  論文  参考訳（メタデータ） (2023-10-09T13:29:37Z)
• Proton: Probing Schema Linking Information from Pre-trained Language Models for Text-to-SQL Parsing [66.55478402233399]
  本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。 スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。 我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2022-06-28T14:05:25Z)
• Procedures as Programs: Hierarchical Control of Situated Agents through Natural Language [81.73820295186727]
  エージェント命令と制御のための階層的な手続き的知識を表現する強力な手法である,プログラムとしての手続きの形式化を提案する。 NL命令に対するIQAおよびALFREDデータセット上で、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2021-09-16T20:36:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。