MuseWork 的表格分析能力登上 TableBench 方法榜第一

月報寫著訂單成長，主管接著問：「主要是哪幾個品項帶動的？退貨有算進去嗎？」答案不會只在某個儲存格裡。要能說清楚，得先確認比較期間和計算方式。TableBench 關注的，就是 AI 能不能回答這種需要查資料、算數字、再整理脈絡的問題。

在 2026 年 10 月 8 日的 TableBench 官方榜單上，MuseWork 使用的表格分析能力 MUSE PULSE 於 Methodology（方法）榜排名第一，總分 80.64。這個名次背後考了什麼？我們從日常會遇到的表格問題看起。

這項評測怎麼考？

TableBench 收錄 886 道測試題、18 類問題，涵蓋事實查核、數值推理、資料分析與視覺化。論文統計指出，解題平均需要 6.26 個推理步驟，可見不少題目需要串起多個線索。

研究團隊設計這項評測，是想測出較貼近實際工作的表格問題：有時得跨幾筆資料核對，再計算中間數字，才有辦法回答。官網提供論文、測試資料與評分程式，並把方法榜（Methodology）和大型語言模型榜分開列出；MUSE PULSE 的成績位於前者。TableBench 在 2025 年 4 月更新了測試資料與部分評分方式，查詢目前排名時，應以官網現行榜單為準。

拿月度訂單來說：「所有品項都成長」得逐項查核；要算淨成長，則得把相關訂單與退貨一起看；要解釋整體變化，還得找出是否由少數品項帶動。最後做成圖表，才能讓會議上的人迅速看出重點。官方也依題型採用不同評分方式：查核與計算看答案是否精確吻合，資料分析則依影響因素、趨勢預測或文字解釋等問題採用相應指標；圖表看第一次產出的結果是否正確。因此，分項成績比單看總分更有參考價值。

MUSE PULSE 的四項成績

評測項目	得分	工作上的對應問題
事實查核	91.67	月報的敘述與資料一致嗎？
數值推理	93.70	扣除退貨後的增幅是多少？
資料分析	74.04	哪個品項的變化最值得追問？
視覺化	88.0	圖表能否清楚呈現比較？
總分	80.64	Methodology 榜單公布的整體分數

查核與計算表現較好，對需要定期交報表的人來說特別重要：數字站得住腳，討論才有基礎。資料分析得分比其他三項低，也指出需要持續改進的地方。榜單另列有 85.91 的人類表現參考分；這裡的第一名，指的是 TableBench 方法榜的表格問答成績。

用自己的試算表試一個完整問題

準備一份有月份、品項、訂單金額及退貨金額的資料。你可以這樣交代任務：

「比較最近兩個完整月份的訂單淨額，找出變化最大的品項。請說明退貨怎麼計算，列出比較的數字與算法，再整理三個適合在月會報告的重點。如果畫成圖比較容易看懂，也請建議合適的圖表。」

提問時只要交代清楚比較期間、看哪些數字、怎麼計算，以及報告要給誰看，得到的結果就更容易檢查。拿到初稿後，對照原始資料核對，再請 MuseWork 調整重點，整理成同事在會議上能接著討論的內容。

MuseWork 希望成為能陪你把工作做完的 AI 工作夥伴：從現有資料開始，做出可以檢查的成果，再接著處理下一步。

手上剛好有份報表？註冊 MuseWork，試著問一個具體問題。就從這週需要釐清的數字開始。

已經在電腦上整理好資料？

可以到 MuseWork 桌面版下載頁選擇 macOS、Windows 或 Linux 版本。經你授權後，就能用選定的電腦檔案開始工作；也可以先試試網頁版。

參考資料

• TableBench 官方榜單與介紹
• TableBench 論文
• TableBench 官方評估指標