继作家、画家、程序员忧虑被 AI 替代后，微软近来最新推出的一个新的 AI 模型，可能会让会计师和数据剖析师也开端感到紧张了。

　　在论文中，研讨人员首要强调了电子表格在商业国际中的普遍性和重要性，指出电子表格被大范围的使用在各种使命，从简略的数据录入和剖析，到杂乱的财政建模和决议计划。可是，因为“广泛的二维网格、各种布局和多种格局选项”，导致现有的大型言语模型（LLM）很难了解电子表格的内容并对其进行推理。

　　为此，微软推出了 SpreadsheetLLM，想要“创始一种高效的编码办法，以此开释和优化 LLM 在电子表格上强壮的了解和推理才能”。

　　开始，微软研讨团队采用了一种原始的序列化办法，整合了单元格的地址、值以及格局信息。可是这种办法受限于 LLMs 的 token 约束，对大多数使用来说并不有用。未处理这一难题，微软开发了一种立异的编码结构 SheetCompressor，它可以有用紧缩电子表格，使其愈加适配 LLM 的处理需求。

　　从结构图中可以精确的看出，SheetCompressor 结构由三个中心模块组成：

　　根据结构锚点的紧缩：在整个电子表格中放置“结构锚点”，协助 LLM 了解数据结构。

　　微软表明，在电子表格检测使命中，SheetCompressor 大幅度的提高了处理速度和精确率：相较于原始的序列化办法，在 GPT-4 的上下文学习环境下，功能提升了 25.6%。此外，通过 SheetCompressor 微调的 LLM，即便均匀紧缩份额高达 25 倍，但 F1 得分（一种衡量二分类模型精确度的目标）仍能到达业界抢先的 78.9%，逾越同类模型 12.3%。更值得一提的是，在对各种 LLM 进行“全面评价”后，微软发现 SheetCompressor 可将电子表格编码的 token 使用量大幅度削减 96%。

　　不过，微软也供认现在 SpreadsheetLLM 模型仍有一些约束，如无法很好了解杂乱或结构化程度较高的数据，以及不能紧缩包括自然言语的单元格等。

　　但整体来说，展望未来 SpreadsheetLLM 能让更多用户更简单拜访和了解电子表格数据，还能协助自动化许多与电子表格数据剖析相关的繁琐耗时的使命，如数据整理、格局化和汇总。凭借 AI 加持下的 SpreadsheetLLM，未来企业有望节约许多时刻和资源，让职工专心于需求人类判断力和创造力的高价值活动。

　　扫码回复“抽奖”即有时机取得时髦 T 恤、精选图书和大会精品 PPT 等好礼~

上一篇:【48812】Nike Pegasus 41： 今夏为跑者带来更强的能量回馈

下一篇:【48812】全球首个血橙高质量基因组发布