Resumo Técnico: FT-RAG para Raciocínio em Tabelas Complexas

Declaração do Problema

Sistemas de Geração Aumentada por Recuperação (RAG) provaram ser eficazes para texto não estruturado, mas lutam significativamente com dados tabulares estruturados. Abordagens convencionais de RAG tipicamente tratam tabelas como unidades monolíticas ou as achatam em texto simples, resultando em granularidade de recuperação grosseira e na perda das relações semânticas precisas ao nível da célula, necessárias para raciocínio de alta precisão. Essa simplificação obscurece a lógica espacial e estrutural inerente às tabelas, tornando difícil realizar fusão de informação rigorosa entre tabelas ou raciocínio complexo multi-hop. Além disso, benchmarks existentes focam principalmente na recuperação de tabela única com respostas factuais simples, falhando em avaliar a capacidade dos sistemas de integrar dados fragmentados de documentos heterogêneos (texto e múltiplas tabelas) para gerar respostas complexas.

Metodologia: Framework FT-RAG

Para abordar essas limitações, os autores propõem o FT-RAG (Geração Aumentada por Recuperação Consciente de Tabelas de Alta Granularidade), um framework projetado para processar dados tabulares ao nível de entrada. A metodologia consiste em três módulos principais:

1. Análise de Tabelas de Alta Granularidade

Em vez de processar tabelas como blocos, o FT-RAG decompõe tabelas brutas em Grupos de Células. Cada grupo de células encapsula o valor bruto da célula juntamente com metadados contextuais abrangentes, incluindo:

• Metadados globais: Títulos e legendas de documentos.
• Metadados ao nível da tabela: Esquema e cabeçalhos.
• Caminhos hierárquicos: Codificação explícita de índices (coordenadas absolutas), tipos (funções de cabeçalho de linha/coluna) e profundidade hierárquica (níveis de aninhamento).

2. Elevação Semântica Consciente de Estrutura (Grafo SAT)

O framework constrói um Grafo Sujeito-Atributo-Temporal (SAT) unificado, um grafo direcionado acíclico composto ($G = (V, E)$) que organiza grupos de células em unidades de conhecimento interconectadas. Este grafo é construído sobre três dimensões:

• Subárvore de Sujeito ($T_S$): Gerada via inferência de LLM para estabelecer linhagem estrutural e hierarquias de entidades (ex: "Notebook" sob "Hardware").
• Subárvore Temporal ($T_T$): Organiza intervalos de tempo cronologicamente usando análise baseada em padrões, garantindo validade temporal (ex: datas específicas aninhadas dentro de anos).
• Conjunto de Nós de Atributo ($V_A$): Atua como pontos de convergência semântica, conectando contextos sujeito-temporais distintos.
• Conjunto de Nós Folha de Valor ($V_L$): Armazena entradas de dados atômicas como pares chave-valor, ancorados a combinações SAT específicas através de um índice composto ($\langle s_i, t_j, a_k \rangle$).

3. Recuperação em Grafo e Fusão Multimodal

A recuperação ocorre em duas fases para garantir precisão estrutural e completude semântica:

• Fase I: Navegação Hierárquica em Grafo: O sistema emprega uma Estratégia de Traversal de Duplo Caminho (Avanço Orientado por Âncora e Reverso Orientado por Atributo) para alinhar consultas do usuário às dimensões do grafo. Utiliza um mecanismo de Expansão de Vizinhos Estruturais para recuperar entidades semanticamente conectadas (ex: nós de tempo adjacentes para cálculos de taxa de crescimento) sem depender exclusivamente de similaridade vetorial, o que pode levar a desvios factuais.
• Fase II: Augmentação Ponteada por Texto: Fatos estruturados recuperados são linearizados em modelos de linguagem natural e usados para consultar o corpus textual associado. Isso funde métricas tabulares precisas com o contexto narrativo circundante (insights qualitativos, ressalvas), fornecendo ao LLM um pacote de evidências holístico.

Contribuições Principais

1. Framework FT-RAG: Uma abordagem de alta granularidade inovadora que decompõe tabelas em unidades semânticas e as organiza em um Grafo SAT consciente de esquema, permitindo recuperação e raciocínio precisos ao nível da célula.
2. Benchmark Multi-Table-RAG-Lib: Um novo conjunto de dados compreendendo 9.870 pares de Pergunta-Resposta derivados de 308 tabelas grandes em 81 documentos. Diferentemente de benchmarks existentes, visa especificamente raciocínio complexo multi-hop exigindo a integração de múltiplas tabelas e fusão texto-tabela. Inclui tarefas de recuperação "Apenas Tabular" e "Aumentada por Contexto".
3. Expansão de Vizinhos Estruturais: Um mecanismo que expande o escopo de recuperação ao longo da topologia do grafo (ex: vizinhos temporais) para capturar o contexto necessário para consultas complexas sem sacrificar a precisão.

Resultados Experimentais

Os autores avaliaram o FT-RAG contra baselines incluindo RAG Padrão, LangChain, Self-RAG e MixRAG no benchmark Multi-Table-RAG-Lib.

• Desempenho de Recuperação: O FT-RAG alcançou resultados de última geração.
  • Taxa de Acerto ao Nível da Tabela: Melhorou 23,5% sobre a melhor baseline.
  • Taxa de Acerto ao Nível da Célula: Melhorou 59,2%, demonstrando capacidade superior de localizar valores atômicos específicos.
  • Em tarefas Aumentadas por Contexto, o FT-RAG manteve alta precisão onde outros modelos sofreram com ruído introduzido por fragmentos de texto.
• Desempenho de Geração:
  • Recuperação de Precisão de Valor Exato: Aumentou 62,2% em comparação com baselines.
  • O FT-RAG demonstrou uma vantagem significativa na fundamentação de atributos numéricos, alcançando uma Precisão de Valor de 54,5% comparado a 22,0–33,9% para outros métodos.
• Estudo de Ablação: A remoção do Grafo SAT fez o desempenho despencar abaixo de 40%, confirmando a necessidade da estrutura de grafo. O módulo de Fusão Multimodal foi encontrado crítico para a precisão de valores, enquanto a Expansão de Vizinhos Estruturais melhorou a abrangência das evidências.

Significado e Alegações

O artigo alega que o FT-RAG estabelece um novo desempenho de última geração para raciocínio complexo sobre documentos de multimodalidade mista (tabelas e texto). Ao mudar o paradigma da recuperação de texto grosseira para navegação em grafo de alta granularidade e consciente de estrutura, o framework mitiga efetivamente alucinações e erros factuais comuns em RAG baseado em tabelas. Os autores afirmam que seu método conecta com sucesso a lacuna entre a lógica rigorosa de dados estruturados e o poder descritivo de texto não estruturado, fornecendo uma solução robusta para extração de conhecimento de alto valor em domínios como análise financeira e revisão científica. A introdução do benchmark Multi-Table-RAG-Lib também é apresentada como um passo crítico para avaliações mais realistas e desafiadoras de sistemas RAG centrados em tabelas.