最新研究针对大型语言模型的表格理解能力展开系统性评测，通过向GPT-4.1-nano模型输入包含1000条员工记录的11种不同格式数据，评估其回答问题的准确率。研究结果显示，Markdown键值对格式（Markdown-KV）以最高准确率脱颖而出，而传统常用的CSV和JSONL格式表现令人意外地糟糕，这表明数据格式对LLM的理解能力产生显著影响。值得注意的是，虽然Markdown-KV格式准确率最高，但其令牌使用量却高于最节省令牌的CSV格式，揭示了准确率与计算成本之间的重要权衡关系。这项研究为开发者在选择数据格式时提供了关键参考，特别是在需要平衡模型性能与运营成本的现实应用场景中。