大语言模型最喜欢哪种表格格式？Markdown、CSV、JSON、XML、YAML…

在向大语言模型提供表格数据时，不同格式的内容对于结果与 token 的消耗非常不同，如果能够选择合适的格式，将获得翻倍的准确率，但也可能消耗更多的 token。@Appinn

improvingagents 针对这一问题进行了测试，结果表示：

Markdown-KV（Markdown格式的“key: value”键值对）准确率最高（60.7%），但消耗token最多，比最省token的CSV多2.7倍。
CSV 和 JSONL 格式，但准确率偏低（分别为44.3%、45%），建议避免默认采用。
在需要兼顾可读性和成本时，可以考虑Markdown表格（准确率51.9%，token消耗较低）。

具体测试

使用 GPT-4.1-nano 模型，11 种不同格式（markdown-kv、xml、ini、yaml、html、json、markdown-table、自然语言、JSONL、CSV、Pipe-Delimited）

数据集

将 1000 个记录传递给 LLM（大语言模型），并要求它根据数据回答问题，然后评估了准确率。

具体数据包括1000个记录，每个记录8个属性（ID，名称，年龄，城市，部门，薪金，经验，项目计数）

人类最喜欢看的表格格式：

ID	姓名	年龄	城市	部门	薪水	工作经验	项目数量
1	Diana A0	46	London	工程部	141015	7	17
2	Grace B1	59	Berlin	市场部	100066	11	32
3	Grace C2	64	Dubai	销售部	91727	9	49

示例问题（一共1000个问题）

Q. “Grace X413拥有多少年工作经验？（仅返回数字，例如’12’。）”

A. “15”

Q. “Alice W204的薪资是多少？（仅返回数字，例如’85200’。）”

A. “131370”

测试结果

格式	准确性	95%置信区间	消耗 Tokens
Markdown-KV	60.7%	57.6% – 63.7%	52,104
XML	56.0%	52.9% – 59.0%	76,114
INI	55.7%	52.6% – 58.8%	48,100
YAML	54.7%	51.6% – 57.8%	55,395
HTML	53.6%	50.5% – 56.7%	75,204
JSON	52.3%	49.2% – 55.4%	66,396
Markdown-Table	51.9%	48.8% – 55.0%	25,140
Natural-Language	49.6%	46.5% – 52.7%	43,411
JSONL	45.0%	41.9% – 48.1%	54,407
CSV	44.3%	41.2% – 47.4%	19,524
Pipe-Delimited	41.1%	38.1% – 44.2%	43,098

大语言模型最喜欢哪种表格格式？Markdown、CSV、JSON、XML、YAML… 2

Markdown-KV 是什么？

其实青小蛙此前也不太理解 kv 是什么。

Markdown-KV 是指一种在 Markdown 文档中采用“key: value”键值对的表示格式，用以组织结构化数据（例如每条记录的属性和数值）。这种格式并不是 Markdown 官方标准，而是社区和开发实践中广泛使用的一种便于人工和模型理解的数据排列方式。

# Employee Database

## Record 1

```
id: 1
name: Charlie A0
age: 56
city: New York
department: Operations
salary: 67896
years_experience: 7
project_count: 1
```

## Record 2

```
id: 2
name: Grace B1
age: 59
city: Mumbai
department: Marketing
salary: 47248
years_experience: 0
project_count: 43
```

## Record 3

```
id: 3
name: Eve C2
age: 50
city: Singapore
department: Sales
salary: 102915
years_experience: 14
project_count: 11
```