ReSS: Learning Reasoning Models for Tabular Data Prediction via Symbolic Scaffold

ReSS ist ein Framework, das symbolische und neuronale Inferenzmodelle für die Vorhersage tabellarischer Daten verbindet, mit dem Ziel hoher Genauigkeit und nachvollziehbarer Begründungen. Es nutzt Entscheidungsbäume, um symbolische Gerüste zu extrahieren, die ein LLM zur Generierung natürlichsprachiger Begründungen anleiten, welche anschließend zur Feinabstimmung spezialisierter LLMs für tabellarisches Reasoning verwendet werden.