論文の概要: TableSeek: Structure-Preserving Agentic Evidence Seeking over Heterogeneous Table Corpora

• arxiv url: http://arxiv.org/abs/2609.34157v1
• Date: Mon, 28 Sep 2026 02:36:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 06:23:14.747492
• Title: TableSeek: Structure-Preserving Agentic Evidence Seeking over Heterogeneous Table Corpora
• Title（参考訳）: TableSeek:不均質なテーブルコーパスを調査する構造保存エージェントの証拠
• Abstract要約: TableSeekは異種テーブルコーパスのための構造保存エージェント検索フレームワークである。 TableSeekは、完全なテーブルをエビデンス単位として保持しながら、エビデンスアンカーとしてセルとスキーマを使用する。
• 参考スコア（独自算出の注目度）: 19.520645305356066
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-domain table retrieval seeks tables that contain sufficient evidence for answering a question or verifying a claim. Yet semantic relevance is often misleading: topically similar tables may lack the required facts, while answer-bearing evidence is often confined to a few cells whose meaning depends on surrounding schema and table context. Heterogeneous schemas, value formats, and serializations further weaken one-shot matching. We present TableSeek, a structure-preserving agentic search framework for heterogeneous table corpora. Instead of ranking tables once, an LLM agent iteratively follows sparse clues, inspects schema-preserving previews, identifies schema- and value-level mismatches, and refines its investigation. TableSeek uses cells and schemas as evidence anchors while retaining complete tables as evidence units, enabling fine-grained localization without losing the context required for interpretation and answerability checking. Without relying on retriever training or a precomputed semantic index, TableSeek produces transparent evidence-seeking trajectories and achieves competitive end-to-end performance against strong retrieval-and-reranking pipelines on heterogeneous table benchmarks. These results suggest that active, structure-preserving evidence seeking is a promising paradigm for open-domain table retrieval.
• Abstract（参考訳）: オープンドメインテーブル検索は、質問に答えたり、クレームを検証するのに十分な証拠を含むテーブルを求める。 しかし、意味的関連性はしばしば誤解を招く: 全体的に類似したテーブルは要求される事実を欠いているが、答えを持つ証拠は、周囲のスキーマやテーブルコンテキストに依存するいくつかのセルに限られることが多い。 不均一なスキーマ、値フォーマット、シリアライゼーションにより、ワンショットマッチングはさらに弱まる。 異種テーブルコーパスのための構造保存エージェント検索フレームワークであるTableSeekについて述べる。 テーブルを1度ランク付けする代わりに、LLMエージェントはスパースヒントを反復的に追跡し、スキーマ保存プレビューを検査し、スキーマとバリューレベルのミスマッチを特定し、その調査を洗練する。 TableSeekは、セルとスキーマをエビデンスアンカーとして使用し、完全なテーブルをエビデンス単位として保持する。 検索者のトレーニングや事前計算されたセマンティックインデックスに頼ることなく、TableSeekは透明なエビデンス検索トラジェクトリを生成し、不均一なテーブルベンチマーク上で強力な検索と更新のパイプラインに対して、エンドツーエンドのパフォーマンスを達成する。 これらの結果は,オープンドメインテーブル検索において,アクティブな構造保存エビデンス探索が有望なパラダイムであることを示唆している。

関連論文リスト

• PARTAB: Partition-Aware Reasoning with Structured Evidence for Scalable Table Understanding [10.971852280240357]
  分割型共振器(分割型共振器) 分割型共振器(分割型共振器) 分割型共振器(分割型共振器)
  論文  参考訳（メタデータ） (2026-08-25T05:26:23Z)
• Diversed Model Discovery via Structured Table Discovery [2.1861855606506526]
  本稿では,ModelTablesベンチマーク上に構築されたテーブル駆動モデル検索フレームワークであるStructuredSemanticSearchを紹介する。 クエリが与えられた場合、StructuredSemanticSearchは、タスクアライメントのためのセマンティックベースラインと、クエリ関連のモデルカードテーブルを検出する構造対応パイプラインを組み合わせる。 評価のために、モデルカードからコンパクトなエビデンス項目を抽出し、クエリを条件または意図固有のナゲットにマッチさせ、得られたモデルカード候補集合に対するエビデンスカバレッジと多様性を測定するナゲットベースの監査可能なプロトコルを導入する。
  論文  参考訳（メタデータ） (2026-05-21T17:28:01Z)
• HighlightBench: Benchmarking Markup-Driven Table Reasoning in Scientific Documents [88.16322879912458]
  マルチモーダルな大言語モデル (MLLM) は文書理解においてかなりの進歩を遂げているが、明示的な論理ディレクティブとしてそのような方法を扱う能力はいまだ探索されていない。 マークアップ駆動型テーブル理解のための診断ベンチマークであるHighlightBenchを導入し,評価を5つのタスクファミリに分解する。 構成された出力制約の下では、視覚的手がかりがシンボリック推論と一貫して一致しなければならない場合、強いモデルでさえ不安定であることを示す。
  論文  参考訳（メタデータ） (2026-03-25T06:15:40Z)
• QUIETT: Query-Independent Table Transformation for Robust Reasoning [21.03903792753972]
  現実世界の表はしばしば不規則なスキーマ、不均一な値形式、暗黙のリレーショナル構造を示す。 クエリ非依存のテーブル変換フレームワークQuIeTTを紹介する。 モデルと推論パラダイム間で一貫した利得を示しており、特に構造的に多様で目に見えない質問の課題に対して強力な改善がなされています。
  論文  参考訳（メタデータ） (2026-02-23T16:23:49Z)
• Table-Text Alignment: Explaining Claim Verification Against Tables in Scientific Papers [19.571644726057666]
  最終的なラベルのみを予測することは不十分である、と我々は主張する。 これを解決するために、我々は、表-テキストアライメントを説明タスクとして再設定し、クレーム検証に不可欠な表セルをモデルで識別する必要がある。 我々は、SciTabベンチマークを人間に注釈付きセルレベルの有理値で拡張することで、新しいデータセットを構築する。
  論文  参考訳（メタデータ） (2025-06-12T08:40:38Z)
• Bridging Queries and Tables through Entities in Table Retrieval [70.13748256886288]
  エンティティは、テキスト検索の文脈でよく研究されているが、テーブル検索におけるその応用についての研究は、顕著に欠如している。 本稿では、実体表現に基づく相互作用パラダイムを設計し、エンティティ強化トレーニングフレームワークを提案する。 提案するフレームワークはプラグアンドプレイでフレキシブルで,既存のテーブルレトリバーのトレーニングプロセスに統合しやすくする。
  論文  参考訳（メタデータ） (2025-04-09T03:16:33Z)
• Tailoring Table Retrieval from a Field-aware Hybrid Matching Perspective [70.13748256886288]
  表検索はテキスト検索に比べて少ない。 異なるテーブルフィールドは、異なるマッチングの好みを持つ。 テーブル調整ハイブリドマッチングrEtriever(THYME)について紹介する。
  論文  参考訳（メタデータ） (2025-03-04T03:57:10Z)
• Chain-of-Table: Evolving Tables in the Reasoning Chain for Table Understanding [79.9461269253121]
  そこで我々は、中間思考のプロキシとして、図表データを推論チェーンで明示的に使用するChain-of-Tableフレームワークを提案する。 Chain-of-TableはWikiTQ、FeTaQA、TabFactベンチマークで最新のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-01-09T07:46:26Z)
• Table Retrieval May Not Necessitate Table-specific Model Design [83.27735758203089]
  テーブル検索のタスクに焦点をあてて、"テーブル固有のモデル設計はテーブル検索に必要か? 自然質問データセット (NQ-table) の表に基づく分析の結果, 70%以上の症例では構造が無視できる役割を担っていることがわかった。 次に、テーブル構造、すなわち補助列/カラム埋め込み、ハードアテンションマスク、ソフトリレーションに基づくアテンションバイアスを明示的にエンコードする3つのモジュールを実験する。 いずれも大きな改善は得られず、テーブル固有のモデル設計がテーブル検索に不要である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-19T20:35:23Z)

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。