표 데이터는 다양한 도메인의 문서에 존재하며, 표 데이터가 존재하는 문서나 데이터의 도메인에 따라 표의 형태와 사용되는 데이터가 크게 달라질 수 있다. 이에 따라, 이러한 다양한 형태나 도메인의 표 데이터에 대응할 수 있는 적합한 학습 방법이 요구된다. 본 논문에서는 다양한 도메인과 형태의 표 데이터를 처리하기 위한 표 질의응답 학습 방법을 제안한다. 표와 텍스트가 결합된 데이터에서 동시에 추론하고 정보를 처리할 때, 표와 텍스트 데이터를 결합된 모델에서 동시에 인코딩하면서 표의 구조적 정보를 효율적으로 인코딩할 수 있는 하이브리드 모델을 설계하여, 하나의 인코더로 결합된 정보를 처리할 수 있도록 하였다. 해당 모델은 KorQuAD 2.0 데이터셋과 TAT-QA 벤치마크에서 기존 방법들보다 우수한 성능을 나타냈다. 또한, 다양한 도메인과 언어의 표 데이터를 강건하게 처리할 수 있는 적대적 학습 및 대조 학습 방법을 제안하여, 다양한 도메인 데이터 및 다중 언어에서의 표 기반 기계독해 모델의 일반화 성능을 향상시켰다. 마지막으로, 표의 정답을 얻기 위한 연산 과정이나 셀 정보가 태깅되지 않은 데이터셋에서 생성형 언어 모델을 활용한 효과적인 약한 감독 기반 학습 방법을 적용하기 위해서 기존의 정답을 직접적으로 생성하는 방식 대신 연산에 필요한 정보를 간접적으로 생성하도록 하고 강화학습과 자가학습을 통해서 성능을 개선하는 SWING 프레임워크를 제안하였다. 해당 프레임워크를 통해 학습된 모델들은 WTQ 데이터셋에서 기존 모델보다 향상된 성능을 보였다.