大语言模型驱动的表格智能处理技术研究综述

来源：计算机工程与应用杂志2026年第9期北京时间：

作者：王星凯, 奚雪峰, 崔志明, 王飞, 郑倩

单位：1.苏州科技大学 电子与信息工程学院，江苏 苏州 215009；2.苏州市虚拟现实智能交互及应用技术重点实验室，江苏 苏州 215009；3.苏州科技大学 智慧城市研究院，江苏 苏州 215009；

摘要：表格数据因其兼具结构化与半结构化特征，在数据仓库构建、知识图谱对齐及特征工程等任务中发挥着不可替代的枢纽作用。近年来，大语言模型凭借超长上下文窗口、零/少样本迁移能力和可插拔的工具接口，为“统一建模”表格智能处理提供了新的技术可能。系统梳理了表格数据的主流表示形式及其对后续任务复杂度的影响，建立了覆盖结构理解、数据理解、推理与数据增强四大类任务的任务谱系与典型数据集映射；从预训练策略、文本序列化与嵌入、提示工程与推理链设计，以及检索增强生成与动态反馈机制四个维度，总结大语言模型赋能表格智能处理的关键技术；按结构解析、表格理解、推理生成及数据治理四个模块，剖析了大语言模型在表格检测与定位、实体对齐、Text-to-SQL等任务中的最新应用；指出了大语言模型在表格场景面临的核心瓶颈：结构理解不足、跨模态对齐误差、标注数据稀缺与执行可靠性欠佳。展望未来，随着多智能体协同决策框架、结构-符号混合推理范式和行业专用指令微调技术的持续演进，大语言模型有望在真实业务场景中稳健、可解释且高效地完成表格智能处理任务。

关键词：大语言模型,链式推理,提示工程,表格理解,表格数据清洗与异常检测,多模态融合

基金资助：国家自然科学基金（62176175）；苏州市水利水务科技项目（2023008）。