Tree-of-Text：體育領域表格到文本生成的樹結構提示框架
arXiv - Human-Computer InteractionShang-Hsuan Chiang, Tsan-Tsung Yang, An-Zi Yen, Wen-Chih Peng
提出 Tree-of-Text 框架，通過三階段樹結構提示，提升 LLM 在體育表格到文本生成中的準確性與效率，並在多個基準上優於現有方法。
AI 幫你先抓重點
AI 重點 1
Tree-of-Text 透過三階段樹結構提示，有效降低 LLM 的幻覺率，提升表格理解與文本流暢度。
滑鼠懸停看 AI 判斷理由
此洞察說明結構化提示能顯著減少模型對表格資訊的誤解，從而產生更可靠、可用的報告，對於需要高準確度文本生成的實務場景至關重要。
AI 重點 2
實驗證明 Tree-of-Text 在多個基準上不僅質量更高，還大幅節省計算成本，對資源受限的應用場景具有重要價值。
滑鼠懸停看 AI 判斷理由
成本效益的提升使得該框架能在硬體或雲端資源有限的環境中部署，擴大了其在教育科技與商業報告自動化中的實際應用潛力。
核心研究發現
- 1
在 ShuttleSet+ 基準上，Tree-of-Text 的生成質量顯著優於傳統方法。
- 2
在 RotoWire-FG 數據集上，Tree-of-Text 在 RG 與 CO 指標上領先，提升了報告的相關性與連貫性。
- 3
在 MLB 數據集上，Tree-of-Text 在 CS 與 CO 指標上表現突出，同時僅耗 40% 的時間與成本，顯示高效性。
對教育工作者的啟發
對於需要將結構化體育數據轉化為可讀報告的實務工作者，Tree-of-Text 提供了一套可直接套用於 LLM 的提示設計流程。首先，將輸入表格拆分為可管理的子表，減少模型對全表的記憶負擔；其次，通過內容規劃階段選擇關鍵操作與參數，確保生成內容與數據對應；最後，將短文本合併並重寫為完整報告，避免長句斷裂。這種分層提示不僅降低幻覺風險，還能在 40% 的計算成本下達成高質量輸出。實務者可將此框架嵌入報告自動化工具，提升工作效率與報告一致性。
原始文獻資訊
- 英文標題：
- Tree-of-Text: A Tree-based Prompting Framework for Table-to-Text Generation in the Sports Domain
- 作者：
- Shang-Hsuan Chiang, Tsan-Tsung Yang, An-Zi Yen, Wen-Chih Peng
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。