上周末，微软在 arXiv 上悄然揭橥了一篇题为“SpreadsheetLLM: Encoding Spreadsheet for Large Language Models”的研究论文，首次揭示了 SpreadsheetLLM 的干系细节：这个新模型“在各种电子表格任务中都非常有效”，乃至“有可能改变电子表格数据管理和剖析的办法”。
在论文中，研究职员首先强调了电子表格在商业天下中的普遍性和主要性，指出电子表格被广泛用于各种任务，从大略的数据录入和剖析，到繁芜的财务建模和决策。然而，由于“广泛的二维网格、各种布局和多种格式选项”，导致现有的大型措辞模型（LLM）很难明得电子表格的内容并对其进行推理。
为此，微软推出了 SpreadsheetLLM，想要“首创一种高效的编码方法，以此开释和优化 LLM 在电子表格上强大的理解和推理能力”。
最初，微软研究团队采取了一种原始的序列化方法，整合了单元格的地址、值以及格式信息。但是这种方法受限于 LLMs 的 token 限定，对大多数运用来说并不实用。为理解决这一难题，微软开拓了一种创新的编码框架 SheetCompressor，它能够有效压缩电子表格，使其更加适配 LLM 的处理需求。
（SheetCompressor 框架示意图）
从框架图中可以看出，SheetCompressor 框架由三个核心模块组成：
基于构造锚点的压缩：在全体电子表格中放置“构造锚点”，帮助 LLM 理解数据构造。
反向索引转换：把电子表格转换为更紧凑的格式，并肃清冗余数据。
数据格式感知聚合：根据数字格式和数据类型，对相邻单元格进行分组。
微软表示，在电子表格检测任务中，SheetCompressor 大幅提升了处理速率和准确率：相较于原始的序列化方法，在 GPT-4 的高下文学习环境下，性能提升了 25.6%。此外，经由 SheetCompressor 微调的 LLM，纵然均匀压缩比例高达 25 倍，但 F1 得分（一种衡量二分类模型精确度的指标）仍能达到业界领先的 78.9%，超越同类模型 12.3%。更值得一提的是，在对各种 LLM 进行“全面评估”后，微软创造 SheetCompressor 可将电子表格编码的 token 利用量大幅减少 96%。
不过，微软也承认目前 SpreadsheetLLM 模型仍有一些限定，如无法很好理解繁芜或构造化程度较高的数据，以及不能压缩包含自然措辞的单元格等。
但总体来说，展望未来 SpreadsheetLLM 能让更多用户更随意马虎访问和理解电子表格数据，还能帮助自动化许多与电子表格数据剖析干系的繁琐耗时的任务，如数据清理、格式化和汇总。借助 AI 加持下的 SpreadsheetLLM，未来企业有望节省许多韶光和资源，让员工专注于须要人类判断力和创造力的高代价活动。
参考链接：
https://arxiv.org/abs/2407.09025?ref=thestack.technology
https://www.thestack.technology/microsoft-llm-spreadsheet-llm/
炎酷暑季🔥，AI 科技大本营送清凉福利！
