开放 · 共建 · 协同

大模型的通用能力很强，但在 Excel / 多 Sheet 表格场景里往往力不从心 — 问题通常不在模型本身，而在输入范式：现有方案要么把整张表序列化成海量 Token，成本与上下文窗口都难以承受；要么用 RAG 切成无结构碎片，跨表关系与表内逻辑一并丢失。两者都难以支撑企业级的复杂多表推理与审计核验

识因智能提出 Sheet as Token 范式：不切割表格，而是将整张工作表编码为一个高维语义向量 — 即一个 Sheet Token。编码时提取表格的「结构骨架」：表名、形状、表头与代表值；经轻量级 Transformer 压缩为单一、富含语义的向量表示。查询侧不再「逐格阅读」，而是理解表格结构后再推理

跨表场景下，每个 Sheet Token 构成关系图谱中的一个节点，通过四种边关系建模表间依赖；Graph Retriever 基于图神经网络实现多跳检索与推理，毫秒级定位最相关的表格集合。表格可离线预编码、在线即取即用 — 实现约 100 倍上下文压缩，在突破长度限制的同时，保留表内结构与表间关系的完整语义。这标志着从「处理表格文本」到「理解表格结构」的范式转变，直击大模型理解结构化数据的根本瓶颈