本工作核心作者為湯子瑞（上海交通大學）、牛博宇（上海交通大學）。合作者為李帛修、周煒、王健楠、李國良、張心怡、吳帆。通訊作者為上海交通大學計算機學院博士生導師周煊赫。團隊長期從事人工智能與數據交叉研究。
半結構化表格是我們日常工作中常見的 “攔路虎”—— 布局五花八門、結構復雜多變，讓自動化數據處理變得異常困難。
面對這樣的挑戰，傳統的表格處理工具往往力不從心。研究發現，現有的大模型以及表格理解領域模型在NL2SQL/ 結構化表格已經有了較好的效果（準確率超 80%），但是在那些諸如金融報表、庫存表、企業管理表等具有合并單元格、嵌套表格、層次結構等特征的復雜半結構化表格上表現明顯退化。
為了解決這一痛點，來自上海交通大學計算機學院、西蒙菲莎大學、清華大學、中國人民大學的合作團隊，帶來基于樹形框架的智能表格問答系統（ST-Raptor），其不僅能精準捕捉表格中的復雜布局，還能自動生成表格操作指令，并一步步執行這些操作流程，最終準確回答用戶提出的問題 —— 就像給 Excel 裝上了一個會思考的 “AI 大腦”。
目前，該論文已被數據庫領域國際頂尖學術會議ACM SIGMOD2026 接收。