多表问答（Multi-table Question Answering）要求模型从多张关系表中检索相关证据、关联表结构（schema），并在多个表之间执行组合式推理。与单表问答相比，这类任务不仅考察模型对问题的理解能力，还考验其定位正确数据、对齐不同表字段以及逐步推导最终答案的能力。然而，现有的多表问答资源通常只提供问题与最终答案，缺少解释答案如何被推导出来的推理监督信号。这一缺口使得模型在训练过程中难以学习到可复用的解题路径，往往依赖浅层模式匹配而非真正的多步推理。
针对这一问题，论文作者构建了一个面向 MMQA 数据集的合成对比推理轨迹（contrastive reasoning-trace）数据集。其核心思路是借助多种异构的大型语言模型（heterogeneous LLMs）分别生成经过验证的正向推理轨迹，以及看似合理但实际存在错误的负向推理轨迹。正向轨迹代表能够正确从表中检索证据并逐步推导出答案的完整推理过程；负向轨迹则在结构上相似但在关键步骤上出现偏差，从而形成有意义的对比。随后，作者将正负轨迹配对为偏好对（preference pairs），用于以对比偏好优化（Contrastive Preference Optimization，CPO）对开源权重模型进行微调。
实验覆盖了 Qwen3-14B、Mistral-8B 与 Llama-3.1-8B 三种模型。结果显示，相较于仅使用问答监督微调（Q&A supervised fine-tuning），CPO 在平均指标上取得了 9.7% 至 16.3% 的绝对提升，而在 MMQA 上的单项增益最高可达 21 个百分点。这表明，引入推理轨迹层面的对比监督能够显著增强模型在多表场景下的组合推理能力，而不仅仅是对答案分布的记忆。
论文还进行了消融实验，验证了对比信号的来源。结果表明，使用异构模型分别生成正向与负向轨迹能够强化对比信号，即不同模型带来的多样性有助于构造出更具区分度的偏好对。除自动评估外，作者还开展了人工评估，结果显示生成的轨迹对在忠实性、连贯性方面总体表现良好，并且正负样本之间具有明显的对比意义。
该工作由 Ankit Pratap Singh 等三位作者完成，于 2026 年 6 月 3 日提交至 arXiv，属于人工智能（cs.AI）分类，论文编号为 arXiv:2606.05382。其贡献在于为多表问答提供了一种可扩展的推理监督数据构造方式，并通过实验证明对比偏好优化能够有效利用这类合成数据提升开源模型的表现。对于需要跨表检索与多步推理的应用场景而言，这一方法为在缺乏人工标注推理过程的情况下训练更强的问答模型提供了可行路径。