概要: 表のシリアル化は、複雑な表の質問応答における大規模言語モデル（LLM）の重要なボトルネックとして残り続けており、構造の軽視、表現の欠落、推論の不透明性といった課題によって阻害されています。既存のシリアル化手法は明示的な階層構造を捉えられず、スキーマの柔軟性にも欠けています。一方で、現在の木ベースのアプローチは、意味的適応性が限られているという問題があります。これらの制約に対処するために、2つの主要モジュールを含むASTRA（Adaptive Semantic Tree Reasoning Architecture）を提案します。まず、LLMのグローバルな意味認識を活用して表を論理意味木へ再構築するAdaSTRを導入します。このシリアル化は階層的な依存関係を明示的にモデル化し、表の規模に基づいて構築戦略を最適化するための適応メカニズムを採用します。次に、この構造を土台として、言語的整合のための木探索ベースのテキストナビゲーションと、正確な検証のためのシンボリックなコード実行を統合したデュアルモード推論フレームワークであるDuTRを提示します。複雑な表ベンチマークでの実験により、本手法が最新水準（SOTA）の性能を達成することを示します。
ASTRA：複雑な表質問応答のための適応的セマンティックツリー推論アーキテクチャ
arXiv cs.CL / 2026/4/13
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、表のシリアライズにおけるボトルネックに対処することで、複雑な表質問応答における大規模言語モデル（LLM）の性能を向上させることを目的とした、適応的セマンティックツリー推論アーキテクチャASTRAを提案する。
- ASTRAのAdaSTRモジュールは、LLMのグローバルなセマンティック理解を用いて入力表を論理セマンティックツリーへと再構築し、階層的な依存関係を明示的にモデル化し、表の規模に応じて構築戦略を適応させる。
- ASTRAのDuTRモジュールは、二つの推論モードを組み合わせる。言語的整合のためのツリー探索ベースのテキストナビゲーションと、検証のためのシンボリックなコード実行である。
- 複雑な表ベンチマークでの実験により、ASTRAは最先端の性能を達成しており、従来のシリアライズ手法やツリーベース手法よりも、構造情報の扱いがより良く、推論がより信頼できることが示される。
