수요를 관리하고 대규모 모델을 사용하여 문제를 해결합니다. 차트 처리 아티팩트 SheetCopilot이 온라인 상태입니다.

이 실크처럼 매끄러운 작업 과정은 전문가들에게는 그야말로 희소식입니다!

최근 자동화 연구소, 중국 과학 아카데미, 홍콩 폴리테크닉 및 기타 기관의 연구원들이 소프트웨어(예: Excel, GoogleSheets 등)에서 "시트 AI 보조자"인 SheetCopilot을 만들었습니다. .). SheetCopilot은 여러 테이블 처리 소프트웨어에 빠르게 연결할 수 있으며 다중 테이블 작업, 차트 그리기 및 피벗 테이블 생성을 지원합니다. 여러 분야에서 테이블 데이터 처리 및 시각화를 지원하고 일반 지능형 보조자 실현을 위한 중요한 단계를 밟을 것으로 예상됩니다.

웹사이트: https://sheetcopilot-demo.github.io/

Paper: https://arxiv.org/abs/2305.19308

먼저 통과하다 다음 예는 SheetCopilot이 어떻게 작업 효율성을 크게 향상시킬 수 있는지 보여줍니다.

당신이 초보자이고 어느 날 상사가 판매 데이터 분석을 도와달라고 요청했다고 가정해 보겠습니다. 양식을 받아 보면 수천 행의 데이터에 깜짝 놀라게 될 것입니다. 어디서부터 시작해야 할지 모르기 때문에 진행하면서 확인하게 됩니다.

먼저 각 제품의 이름을 추출한 다음 수식을 사용하여 각 제품의 수입을 합산합니다.

20분 넘게 작업한 끝에 SUMIF에서 계속 "#NAME?" 오류가 발생해서 포기했습니다.

계속해서 인터넷을 검색하다가 피벗테이블이라는 편리한 도구가 있다는 걸 발견하고 두 번째 도전을 시작했습니다.

20분도 넘게 걸려서 드디어 해냈습니다. 전체 과정은 거의 한 시간 정도 걸렸고 효율성도 만족스럽지 못했습니다. 상사가 새로운 양식 처리 작업을 지시할 때마다 이전 경험은 거의 쓸모가 없으므로 처음부터 웹사이트를 보고 처리할 수만 있습니다.

동료들은 SheetCopilot을 사용하여 단 몇 초 만에 모든 종류의 이상한 요청을 완료할 수 있습니다 :).

SheetCopilot이 너무 매끄러워서 한 번 시도해 보시고 그림 그리기가 매우 쉽습니다.

SheetCopilot을 사용하면 화면을 초과하는 데이터를 선택하기 위해 더 이상 테이블 절반을 마우스로 슬라이드할 필요가 없으며 여러 테이블 간에 수천 행의 데이터를 쉽게 이동할 수 있습니다.

SheetCopilot을 선택해야 하는 이유

사람들은 오랫동안 전문적인 경험 없이도 복잡한 소프트웨어를 마스터할 수 있는 능력을 원했습니다. 우리 중 많은 사람들이 PhotoShop의 번거로운 인터페이스를 탐색하는 방법을 몰랐고, 데이터를 분석하고 싶었지만 PivotTables의 고급 기능을 몰랐고, 기어를 그리고 싶었지만 Solidworks에 대해 전혀 몰랐던 상황에 처해 있었습니다.

강력한 언어 이해 및 생성 기능을 갖춘 대규모 언어 모델(LLM)의 출현으로 이 비전은 그 어느 때보다 현실에 가까워졌습니다. LLM이 다양한 소프트웨어를 마스터하도록 유도할 수 있다면 LLM의 거의 무한한 잠재력이 발휘되어 인간의 생산성이 전례 없는 수준에 도달할 수 있습니다.

이 기사에서는 스프레드시트가 일반적이고 다양한 생산 도구이기 때문에 이 연구를 수행하는 데 이상적인 기반이라는 점을 지적합니다. 그러나 테이블 조작은 다양한 문제에 직면하고 있으며 사용자가 끊임없이 변화하는 작업 요구 사항에 대처할 수 있는 충분한 테이블 처리 및 프로그래밍 기술을 습득하는 것은 어렵습니다.

풍부한 소프트웨어 제어 기술을 마스터하는 종합적인 AI 에이전트가 있다면 사무 효율성이 크게 향상될 뿐만 아니라 기업의 성과도 크게 가속화될 것입니다. SheetCopilot의 출현은 사람들의 비전에 꼭 맞습니다.

SheetCopilot의 주요 특징

1. 테이블 처리의 일반적인 요구 사항을 충족합니다.

SheetCopilot은 테이블 작업의 거의 모든 일반적인 작업을 다루며 다양한 차트 생성 작업을 훌륭하게 완료할 수 있습니다.

판매 데이터 분석

실험 차트 그리기

복잡한 수식 계산

조건부 서식 적용

2. VBA 기반 방식을 넘어서

SheetCopilot은 VBA 코드를 생성하고 GPT-3으로 실행하는 방식보다 우수합니다. 5, 생성된 솔루션은 후자(아래 그림 참조)보다 훨씬 우수하므로 SheetCopilot은 향후 데이터 처리 담당자를 위한 강력한 AI 보조 도구가 될 것으로 예상됩니다.

뿐만 아니라, 모호한 VBA 코드와 비교할 때 SheetCopilot에서 생성된 솔루션에는 이해하기 쉬운 단계가 포함되어 있어 새로운 프로그래밍 언어를 배우는 고통과 어려운 디버깅이 필요하지 않습니다.

왼쪽: 긴 VBA 코드, 오른쪽: SheetCopilot의 간단하고 이해하기 쉬운 솔루션.

3. 편안한 사용 경험

SheetCopilot 네트워크 연결이 안정적일 경우, 수천 개의 행과 수십 개의 열로 구성된 테이블을 결합하는 데 약 10단계의 다중 테이블 조합 작업만 소요됩니다. 신속하게 작업을 완료하세요. 이는 사용자의 피곤한 눈을 풀어줄 뿐만 아니라, 웹 사이트를 찾아 하나씩 단계를 시도하는 데 낭비되는 시간을 절약하고 VBA 학습 비용도 절약합니다.

방법 원리

이 문서에서는 테이블 조작에 필요한 핵심 기능을 가상 API 세트(원자성 작업이라고 함, 아래 그림 참조)로 추상화합니다. 이 API는 솔루션을 생성하고 LLM과 애플리케이션 소프트웨어 간의 브리지 역할을 하는 데 사용됩니다. .

가장 간단한 방법은 LLM에 대한 쿼리를 사용하여 작업의 모든 단계를 생성하는 것입니다. 그러나 작업 복잡성이 증가함에 따라 후속 단계는 이전 단계의 실행 결과에 더욱 의존하게 되어 이 개방 루프 제어가 올바른 결과를 얻기 어렵게 만듭니다. 예를 들어 LLM은 필터링 후 데이터가 표시되는 위치를 결정할 수 없는 경우 작업 범위를 결정하는 데 어려움을 겪습니다.

효율적인 폐쇄 루프 제어를 달성하기 위해 SheetCopilot은 소프트웨어 상태 피드백 및 외부 원자 작동 지식 기반을 기반으로 솔루션을 최적화하여 성공률과 효율성을 향상시킵니다.

평가 방법

이 글에서는 수준 높은 평가 벤치마크를 제안합니다. 이 벤치마크의 작업은 아래 단어 구름에 표시된 것처럼 다양한 공식을 가지며 풍부한 원자적 작업을 포함합니다.

이 벤치마크는 성공률과 관련하여 다음 측정항목을 사용합니다(높을수록 좋음).

• Exec @1: 생성된 태스크 솔루션의 실행 성공률입니다.
• Pass@1: 작업 통과율, 즉 실행 후 참조 답변과 일치할 수 있는 솔루션의 비율입니다.

이 벤치마크는 다음 효율성 지표도 고려합니다(낮을수록 좋음).

• A50: 작업 요구 사항을 충족하는 솔루션의 단계 수를 참조 답변의 최소 단계 수로 나눕니다. 그런 다음 모든 계산 결과의 중앙값을 취합니다.
• A90: 계산 방법은 위와 동일하지만 모든 계산 결과의 90번째 백분위수를 사용합니다. 이 지표는 행동 수의 극단값 분포를 반영합니다.

실험 결과

표 1: SheetCopilot 데이터 세트에서 GPT-3.5-Turbo, GPT-4, Claude 및 VBA 생성 방법 비교.

놀랍지도 않게 GPT-4는 작업 요구 사항을 충족하고 효율성이 가장 높은 솔루션 비율이 가장 높은 반면, GPT-3.5-Turbo는 그 뒤를 바짝 따르고 Claude는 가장 낮은 순위이지만 GPT-3.5-에 가깝습니다. 터보.

주목할만한 결과는 사용자 지침을 VBA 코드로 변환하여 Excel에서 실행하는 방식에 비해 SheetCopilot이 탁월한 성공률을 달성했다는 것입니다. 이는 SheetCopilot이 소프트웨어 지능형 제어를 우리에게 한 걸음 더 가까이 다가가게 하여 컴퓨터에 명령을 내릴 수 없는 사용자가 일상적인 통신을 통해 복잡한 작업을 완료하도록 할 수 있음을 의미합니다.

아래 각 하위 카테고리의 지표를 통해 이 세 가지 LLM 각각의 장점과 단점을 살펴보겠습니다.

GPT-3.5 및 GPT-4는 관리(정렬, 필터링 및 기타 테이블 관리 작업)와 입력 및 조작(데이터 입력 및 조작)의 두 가지 작업을 쉽게 해결했으며 둘 다 100%를 달성했습니다. 실행 속도. 또한 세 가지 LLM은 각각 서로 다른 작업 범주에서 최고의 효율성을 보여주었습니다. 이 흥미로운 발견은 각 LLM이 고유한 장점을 가지고 있으며 GPT-4가 다른 모델보다 성능이 우수하지 않다는 것을 보여줍니다.

결론

SheetCopilot은 LLM을 사용하여 텍스트 인터페이스를 통해 인식, 추론 및 의사결정의 폐쇄 루프를 성공적으로 형성하여 효율적인 스프레드시트 제어를 달성하고 지능형 소프트웨어 제어를 더 높은 수준으로 촉진하며 관심 있는 사람들을 위한 플랫폼을 제공합니다. 일반 에이전트에서 연구자들은 새로운 영감을 얻었습니다.

위 내용은 수요를 관리하고 대규모 모델을 사용하여 문제를 해결합니다. 차트 처리 아티팩트 SheetCopilot이 온라인 상태입니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!