TableGPT2：一个经过严格预训练和微调的模型，涉及超过59.38万个表格和236万个高质量的查询-表格-输出元组，这是以前研究中前所未有的表格相关数据规模。在以表格为中心的任务中表现出色，同时保持了强大的通用语言和编码能力。

TableGPT2有两种配置——7B 和 72B 参数——均源自 Qwen2.5 模型系列，已开源了7B 版本。

• 在23个基准测试指标上，TableGPT2在7B模型上比之前的基准中性LLMs平均性能提高了35.20%，在72B模型上提高了49.32%。
• 在某些基准测试中，TableGPT2甚至达到了优于或相当于GPT-4o的结果。
• 在涉及层次结构化表格的复杂数据基准测试，如HiTab中，TableGPT2执行准确率比Qwen2.5系列高出超过60%的绝对增长。

TableGPT2的定性案例

模型架构

TableGPT2-7B 基于 Qwen2.5 架构构建，包含专门用于表格数据的编码。它具有独特的语义编码器，旨在解释表格数据，从行、列和整个表格中获取见解。已应用持续预训练 (CPT) 和监督微调 (SFT)，以使模型能够用于实际的 BI 应用程序和复杂的查询处理。

TableGPT2的一个关键创新是其新颖的表格编码器，专门设计来捕获模式级别和单元格级别的信息。这个编码器增强了模型处理模糊查询、缺失列名和不规则表格的能力，这些在现实世界的应用中很常见。与视觉-语言模型（VLMs）类似，这种方法与解码器集成，形成了一个强大的大型多模态模型。

TableGPT2整体技术框架

语义表格编码器的总体设计

https://huggingface.co/tablegpt/TableGPT2-7B
https://arxiv.org/pdf/2411.02059
TableGPT2: A Large Multimodal Model with Tabular Data Integration
https://github.com/tablegpt/tablegpt-agent

本文，完。觉得本篇文章不错的，记得随手点个赞、收藏和转发三连，感谢感谢~如果想第一时间收到推送，请记得关注我们?~