STaR 论文总结与核心内容翻译一、文章主要内容本文针对大型语言模型（LLMs）在表格推理任务中存在的推理深度不足、过程不稳定两大核心问题，提出了名为STaR（Slow-Thinking for Table Reasoning）的认知型表格推理框架。该框架通过模拟人类"慢思考"过程，让LLMs具备逐步推理能力和轨迹级不确定性感知，从而提升表格推理的准确性、稳定性和泛化性。核心技术架构慢思考数据集构建：基于WikiTableQuestions、HiTab、FinQA等数据集，通过答案感知生成和自我验证机制，构建高质量训练数据，确保推理轨迹与最终答案一致，过滤模糊或错误样本。两阶段难度感知强化学习（DRL）：阶段1（基础训练）：使用简单样本快速建立基础推理模式，采用高学习率实现快速收敛；阶段2（进阶训练）：针对复杂样本，通过动态样本过滤和改进的GRPO（增强型群体相对策略优化）算法，聚焦模型当前能力范围内的困难任务，避免资源浪费。轨迹级不确定性量化（UQ）：融合令牌级置信度（对数概率、熵）和答案一致性，通过加权融合策略从多个推理轨迹中选择最可信路径，将潜在的pass@k性能转化为可靠的pass@1性能。实验与效果在WTQ、HiTab、FinQA等域内基准数据集和Ta
STaR: Towards Cognitive Table Reasoning via Slow-Thinking Large Language Models
发布时间：2026/7/21 23:29:04
STaR 论文总结与核心内容翻译一、文章主要内容本文针对大型语言模型（LLMs）在表格推理任务中存在的推理深度不足、过程不稳定两大核心问题，提出了名为STaR（Slow-Thinking for Table Reasoning）的认知型表格推理框架。该框架通过模拟人类"慢思考"过程，让LLMs具备逐步推理能力和轨迹级不确定性感知，从而提升表格推理的准确性、稳定性和泛化性。核心技术架构慢思考数据集构建：基于WikiTableQuestions、HiTab、FinQA等数据集，通过答案感知生成和自我验证机制，构建高质量训练数据，确保推理轨迹与最终答案一致，过滤模糊或错误样本。两阶段难度感知强化学习（DRL）：阶段1（基础训练）：使用简单样本快速建立基础推理模式，采用高学习率实现快速收敛；阶段2（进阶训练）：针对复杂样本，通过动态样本过滤和改进的GRPO（增强型群体相对策略优化）算法，聚焦模型当前能力范围内的困难任务，避免资源浪费。轨迹级不确定性量化（UQ）：融合令牌级置信度（对数概率、熵）和答案一致性，通过加权融合策略从多个推理轨迹中选择最可信路径，将潜在的pass@k性能转化为可靠的pass@1性能。实验与效果在WTQ、HiTab、FinQA等域内基准数据集和Ta
