MuseWork 表格分析能力登顶 TableBench 方法榜

销售周报里的数字不难找。难的是经理问起“这周为什么变了”，你能不能说清楚：和哪一周比、退款算没算、哪个区域影响最大。TableBench 关注的，正是 AI 能否从表格里找出有依据的答案。

在 2026 年 10 月 8 日的 TableBench 官方榜单上，MuseWork 用户正在使用的表格分析能力 MUSE PULSE 位列 Methodology（方法）榜第一，总分 80.64。这个成绩值得一看：它考的不是谁能更快读出单元格，而是谁能把表格里的问题一步步答清楚。

TableBench 不只考“找到那个数字”

TableBench 收录了 886 道测试题，涵盖 18 类问题，分为事实核查、数值推理、数据分析和可视化四个方向。论文统计显示，解题平均需要 6.26 步推理。这个数字说的是题目有多复杂。

研究者希望用它考察更接近实际工作的表格问题：有些题不能只看一个单元格，得查几处记录，先算出中间结果，再得出结论。官网公开了论文、测试集和评估代码，并设有 Methodology（方法）榜与大语言模型榜两个独立榜单。MUSE PULSE 的这次成绩列在方法榜。项目还在 2025 年 4 月更新过测试集和部分评分指标；核对当前排名，应以官网现行榜单为准。

这些题目其实很像日常工作：核对汇报中的一句话是否和原表一致；选定正确的记录与时间段，算出增长率；找出异常变化并解释趋势；最后用一张图让同事看懂差异。研究者还专门设置了跨多处信息的核查、多步计算和趋势预测等题型。

各类题目的评分方式也不同：事实核查和数值推理看答案能否精确匹配；数据分析里的影响因素判断、趋势预测和文字解释，各有相应指标；图表题则看第一次生成的结果是否正确。所以看榜单时，四项成绩比只看总分更有意思。

这次成绩具体强在哪里

方向	MUSE PULSE 得分	对应的工作问题
事实核查	91.67	汇报里的判断与原始表格一致吗？
数值推理	93.70	选对记录后，变化幅度和占比是多少？
数据分析	74.04	哪些变化值得进一步解释？
可视化	88.0	能否用图表把比较说明白？
总分	80.64	Methodology 榜单公布的综合成绩

核查和计算是业务汇报的底子：数字、口径都对，后面的解释才站得住。数据分析得分低于另外三项，也让我们看到需要继续打磨的方向。榜单还列出 85.91 的人类表现参考分；这里的第一名，指的是 TableBench 方法榜上的表格问答成绩。

把一张表变成一份可讨论的周报

假设你有一张包含日期、区域、产品线、销售额和退款额的周度明细。与其说“帮我分析一下”，不如直接交代要交付什么：

“比较最近两个完整自然周的净销售额，看看哪个区域、哪条产品线对变化影响最大。请说明退款怎么计算，列出用到的数字和计算过程，再写成给团队负责人看的三条周报要点。如果画图能让变化更直观，也请给出建议。”

这样一来，比较时间、计算口径、看哪些维度、写给谁看都说清楚了。拿到结果后，你可以对照原始记录检查数字，再请 MuseWork 把要点改成会议上能直接讨论的版本。一项表格任务，从回答问题，延续到准备汇报。

作为全场景 AI 工作伙伴，MuseWork 希望帮你把这段工作接起来：从现有资料出发，得到能核对的成果，再根据反馈继续往下做。

手头正好有张表？注册 MuseWork，试着问一个具体问题。从你最近要交的那份周报开始就好。

从电脑里的文件开始

如果资料就存在电脑里，可以到 MuseWork 桌面版下载页选择 macOS、Windows 或 Linux 版本。授权后，把需要的本地文件带进任务；习惯在浏览器里做事，也可以直接用网页版。

参考资料

• TableBench 官方榜单与项目介绍
• TableBench 论文：题型与数据集统计
• TableBench 官方评估指标