本研究探讨了大型语言模型（LLMs）在生成结构化表格数据文本中的性能，提出了表格结构归一化方法，并比较了文本推理与符号推理。研究发现，LLMs在处理和生成表格数据方面具有潜力，但面临社会偏见和生成准确性等挑战。通过实验，提出了改进模型训练和合成数据生成的策略，强调了LLMs在数据科学中的实际应用意义。