Resumen Técnico: Descomposición Jerárquica Ortogonal para la Comprensión de Tablas Consciente de la Estructura con Grandes Modelos de Lenguaje

1. Planteamiento del Problema

Las tablas complejas encontradas en informes científicos, estados financieros y de inteligencia de negocios a menudo se desvían de la cuadrícula canónica $N \times M$. Estas estructuras presentan dos desafíos primarios para los Grandes Modelos de Lenguaje (LLMs):

1. Jerarquía Estructural: Los encabezados anidados de múltiples niveles requieren que las celdas de datos sean rastreadas semánticamente a través de cadenas de etiquetas ancestrales. Sin este contexto, las entradas aisladas (por ejemplo, "otras ciudades") resultan ambiguas.
2. Discontinuidad Espacial-Lógica: Las celdas fusionadas irregulares y los encabezados desplazados rompen el indexado de cuadrícula estándar. La proximidad espacial ya no garantiza la asociación lógica, lo que provoca que el escaneo basado en coordenadas tradicionales falle (por ejemplo, malinterpretando una fila de "detalles" como hija de una columna de "año" debido a la alineación vertical).

Los enfoques existentes suelen depender de la linealización plana (perdiendo las dependencias jerárquicas), el modelado programático (que tiene dificultades con diseños no canónicos) o la reconstrucción de la topología lógica (que a menudo depende de heurísticas basadas en la geometría que ignoran los matices semánticos). Estos métodos frecuentemente resultan en un colapso estructural o en una desalineación entre la semántica estructural y las representaciones textuales.

2. Metodología: Descomposición Jerárquica Ortogonal (OHD)

Los autores proponen el marco de Descomposición Jerárquica Ortogonal (OHD), el cual cambia el paradigma del modelado de cuadrícula global hacia la descomposición de las tablas en estructuras jerárquicas independientes y semánticamente sincronizadas. El flujo de trabajo consta de tres etapas principales:

A. Inducción de Árbol Ortogonal (OTI)

El algoritmo central factoriza una tabla en dos árboles independientes: un Árbol de Columnas ($T_{col}$) y un Árbol de Filas ($T_{row}$). Esta separación aísla el ruido estructural y maneja diseños irregulares reconstruyendo la jerarquía lógica de cada dimensión por separado. La inducción es guiada por la Sinergia Semántico-Espacial:

• Agencia Semántica: En $T_{col}$, solo los encabezados de columna actúan como nodos de ramificación internos; los encabezados de fila y las celdas de datos se tratan como nodos hoja atómicos. Los roles se invierten para $T_{row}$.
• Subsunción Semántico-Espacial: Se establece una arista entre un padre y un hijo solo si el hijo está contenido espacialmente dentro de la caja delimitadora del padre y un Gran Modelo de Lenguaje (LLM) confirma una subsunción lógica (por ejemplo, herencia de categoría). Esto actúa como un puente neuro-simbólico para corregir ambigüedades geométricas.
• Unidireccionalidad Estructural: Las celdas de datos son nodos terminales sin ramificación descendente, lo que evita la inserción de anidamiento espurio de notas al pie o comentarios bajo valores numéricos.
• Anclaje de Datos Adaptativo: Para resolver conflictos donde las celdas de datos se encuentran en límites superpuestos de encabezados en conflicto, el marco utiliza restricciones de límite de fila para asignar adaptativamente el encabezador padre correcto.

B. Asociación de Doble Vía

Una vez inducidos $T_{col}$ y $T_{row}$, el marco reconstruye el linaje semántico de cada celda utilizando un protocolo de doble vía. Para cualquier celda de datos $d$:

1. Contexto de Premisa: Una búsqueda en profundidad (DFS) en el árbol primario (por ejemplo, $T_{col}$) genera la ruta de encabezados que conduce a $d$.
2. Contexto de Atributo: Un recorrido de abajo hacia arriba del árbol ortogonal (por ejemplo, $T_{row}$) captura los atributos estructurales. El marco consulta el árbol primario para encontrar los encabezados correspondientes en la dimensión opuesta, intercalando estas rutas para recuperar las coordenadas multidimensionales.
3. Síntesis: La representación final sigue una estructura de "Contexto de Premisa $\to$ Contexto de Atributo $\to$ Valor", reconstruyendo simétricamente el linaje desde ambas perspectivas.

C. Arbitraje Semántico

Reconociendo que $T_{col}$ y $T_{row}$ ofrecen vistas complementarias, el LLM actúa como un árbitro semántico. Evalúa las secuencias candidatas sintetizadas basándose en la cohesión lógica, la completitud de la información y la legibilidad sintáctica. Utilizando un prompt de cero disparos (zero-shot), el LLM selecciona la perspectiva más clara o las combina para producir un sustituto textual de alta fidelidad y consciente de la estructura, listo para el razonamiento posterior.

3. Principales Contribuciones

• Marco OHD: Un nuevo paradigma que descompone tablas complejas en árboles jerárquicos ortogonales, mitigando eficazmente el colapso estructural en diseños no estándar.
• Inducción de Árbol Ortogonal (OTI): Un algoritmo que incorpora co-restricciones semántico-espaciales para determinar relaciones lógicas, mejorando significativamente la robustez frente a encabezados flexibles y celdas fusionadas.
• Asociación de Doble Vía: Un protocolo que reconstruye linajes semánticos multicapa, permitiendo a los LLMs realizar un razonamiento fiel sobre estructuras heterogéneas al preservar las dependencias tanto verticales como horizontales.

4. Resultados Experimentales

El marco fue evaluado en dos bancos de pruebas de preguntas sobre tablas complejas: AITQA (tablas financieras/estadísticas) y HiTab (tablas jerárquicas que requieren razonamiento de múltiples saltos).

• Rendimiento: OHD superó consistentemente a las líneas base de vanguardia (incluyendo Chain-of-Table, E5 y ST-RAPTOR) a través de múltiples arquitecturas de LLM (Qwen2-72B, TableLLaMA-7B, DeepSeek-V3).
  • En AITQA con Qwen2-72B, OHD logró un Exact Match (EM) de 69.34, superando a la línea base más fuerte (ST-RAPTOR) por 8.76 puntos.
  • En el Subconjunto HiTab, OHD logró un EM de 64.74, una mejora de 9.01 puntos sobre la línea base.
  • El Promedio de Evaluación de LLM (precisión semántica) mostró ganancias aún más significativas, con OHD alcanzando 89.12 en AITQA (+18.09 sobre ST-RAPTOR).
• Estudios de Ablación:
  • Eliminar las restricciones semánticas ($w/o\ C_{semantic}$) causó una caída de rendimiento de ~6%, confirmando la necesidad de la validación semántica impulsada por LLM.
  • Eliminar una de las vías ortogonales ($w/o\ TP$) provocó caídas drásticas (hasta 20% en AITQA), validando la necesidad de la reconstrucción de doble eje.
  • Reemplazar la representación de doble vía con la linealización estándar en Markdown/HTML resultó en pérdidas de más del 10% en EM, demostiendo la superioridad de la representación de ruta jerárquica.
• Robustez: OHD demostró una resiliencia superior a medida que aumentaba la escala de la tabla. Mientras que las líneas base como Chain-of-Table vieron caer su rendimiento en 19 puntos al pasar de tablas pequeñas a grandes, la disminución de OHD fue marginal (7 puntos).

5. Significado y Reivindicaciones

El artículo afirma que OHD logra cerrar la brecha entre las topologías de tablas bidimensionales complejas y las capacidades de razonamiento lineal de los LLMs. Al transformar diseños físicos frágiles en linajes semánticos robustos y conscientes de la estructura, el marco aborda el desafío persistente de comprender tablas con encabezados de múltiples niveles y celdas fusionadas.

Los autores enfatizan que la representación de linaje de doble vía es el motor clave del rendimiento, evitando eficazmente el colapso estructural común en las representaciones tradicionales. Posicionan a OHD no como un reemplazo para los LLMs, sino como una arquitectura "plug-and-play" que complementa y amplifica las capacidades de razonamiento de los modelos modernos. El trabajo sugiere que la descomposición ortogonal proporciona una dirección prometedora para lograr una comprensión de tablas granular y confiable en diversas aplicaciones del mundo real, con planes futuros para extender el marco a informes financieros de escala ultra grande e integrar señales multimodales.