LTEM以Markdown最小扩展兼顾表格理解准确率与token成本。
资讯摘要
论文针对LLM处理含合并单元格、多级表头等复杂表格的格式难题，提出将表格结构分解为六个原子特征（F1-F6）及复杂度等级（L1-L6）的分类体系，并构建含1089张表格的合成基准STB。作者提出LTEM——Markdown的最小形式化扩展，显式编码跨行跨列与层级表头。在五个前沿LLM上的实验显示，LTEM理解准确率与HTML相当，准确率- token权衡优于HTML和LaTeX，无效响应显著少于LaTeX；表格生成方面与MultiMarkdown相当，但HTML最佳。作者已发布分类体系、基准与格式规范。
要点速读
- 论文提出表格结构分类体系（F1-F6特征、L1-L6复杂度）及含1089张表格的STB基准。
- LTEM是Markdown的最小扩展，显式编码单元格跨度和层级表头。
- 五个LLM实验中，LTEM理解准确率与HTML相当，token效率优于HTML和LaTeX，无效响应少于LaTeX；生成任务与MultiMarkdown相当，HTML最佳。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。