本研究提出了一种“树状表”方法，以提升大型语言模型对复杂大规模表格的理解能力。该方法通过表格浓缩和分解，重组数据并构建层次化表格树，从而改善表格推理的效果和通用性。

该文综述视觉文档理解的多模态预训练进展，涵盖FormNetV2、Bi-VLDoc、DocFormerv2、StrucTexT等模型，采用图对比学习、双向视觉语言监督、多粒度Transformer等策略融合文本、视觉与布局信息，在FUNSD、CORD、SROIE等基准上取得最优性能，并应用于信息抽取、表格理解与多模态摘要。