提出DataGovBench基准,包含表格问答和表格洞察两个任务,用于评估大语言模型在真实世界复杂表格推理上的能力,实验表明当前模型性能不足。
机构:富士通
来源:arXiv 2607.06482 | AI4Papers 论文推荐平台