回答任何电子表格的问题都需要解读其网格结构

语义单元格标注提升了 LLM 驱动的 RAG 系统中电子表格分块的可解释性，通过丰富上下文而非提高检索准确率来帮助生成答案。我们提出了一种新颖的框架，利用单元格角色标注将任意电子表格拆分为可解释的分块。我们的框架超越了当前最先进的方法，但仍面临一个难以突破的上限。电子表格本质上是具有连续关系的二维非结构化数据，单元格角色的潜在数量也近乎无限。由于分类模型受限于有限的预定义类别，即使采用达到人类水平的标注，也无法完美捕捉这种结构细微差异。我们表明，要解决从电子表格到 LLM 的瓶颈，就必须超越离散的单元格分类。相反，该领域必须开发降维技术，直接将二维非结构化电子表格展平为一维非结构化文本。这样，后续的 RAG 将更容易理解文本分块并据此生成内容。