本研究构建了FormulaQA数据集，解决了表格问答的局限性，引入Spreadsheet Formula以实现复杂推理。提出的TabAF框架在多任务处理上表现优异，基于Llama3.1-70B达到了最新最佳性能。

本研究提出了一种协同表格问答方法，解决文本到SQL解析与问答效果不足的问题。通过答案选择整合不同模型，验证了特征或大型语言模型的选择器能显著提升性能。

本文介绍了基于langchain-chatchat二次开发知识库问答系统的方法，包括优化embedding算法和LLM回答的方法，以及按语义切分和基于规则的文档分割方法。同时，还介绍了确保召回结果全面准确的方法和基于文档中表格的问答解决方案。