文章主要内容总结本文聚焦于数据驱动系统中的数据质量问题，针对现有表格数据错误生成方法（如规则驱动的BART）存在的错误模式单一、与真实错误分布差异大等局限，提出了一种基于大型语言模型（LLMs）的表格错误生成框架TableEG。TableEG通过以下核心策略实现真实错误生成：指令微调：利用真实错误标注数据对LLM进行微调，使模型学习真实错误的分布特征；任务增强：设计多样化任务模板（如错误生成、检测、修正），增强模型对表格二维结构和行列依赖关系的理解；三元组表示（I, T, O）：将任务建模为“指令（I）-输入表格（T）-输出错误（O）”的三元组，统一错误生成、检测和修正任务的建模方式。实验表明，TableEG生成的错误在模式相似度（通过SEPAS_{EPA}S
