本文讨论了在基于大语言模型的检索增强生成（RAG）系统中，语义单元格标注如何提升电子表格块的可解释性。通过为每个单元格分配角色（如标题、数值、公式等），我们能够将任意二维电子表格拆分为易于理解的块。实验表明，该方法在答案生成阶段提供了更丰富的上下文，虽未显著提升检索准确率，但在生成质量上超越了现有技术。
然而，电子表格本质上是二维的非结构化数据，单元格之间存在连续的关系且可能承担无限种角色。分类模型只能预测预定义的有限类别，因而即使达到人类标注水平，也难以完整捕捉其结构细微差别，这构成了性能的硬上限。
为突破电子表格到 LLM 的瓶颈，本文主张超越离散的单元格分类，转向维度约简技术。具体思路是直接将二维表格压平为一维文本序列，使得后续的 RAG 模块能够更容易地解释和生成。相较于基于单元格角色的块划分，纯文本块在上下文连贯性和生成效率上具有潜在优势。
点评