SheetAgent: A Generalist Agent for Spreadsheet Reasoning and Manipulation via Large Language Models

本文是LLM系列文章，针对《SheetAgent: A Generalist Agent for Spreadsheet Reasoning and
Manipulation via Large Language Models》的翻译。

摘要

电子表格操作广泛存在于大多数日常工作中，显著提高了工作效率。大型语言模型（LLM）最近被尝试用于自动电子表格操作，但尚未在存在推理挑战的复杂现实任务中进行研究（例如，具有多步骤推理和模糊需求的长期操作）。为了弥补与现实世界需求的差距，我们引入了SheetRM，这是一个基准测试，具有长期和多类别任务，具有由现实挑战引起的依赖推理的操作。为了缓解上述挑战，我们进一步提出了SheetAgent，这是一种利用LLM能力的新型自治代理。SheetAgent由三个协作模块组成：Planner、Informer和Retriever，通过迭代任务推理和反思，在无需人工交互的情况下实现对电子表格的高级推理和准确操作。大量实验表明，SheetAgent在多个基准测试上的通过率比基线提高了20-30%，提高了电子表格操作的精度，并展示了卓越的表格推理能力。项目网站上提供了更多详细信息和可视化效果。

1 引言

2 SheetRM基准

3 SheetAgent框架

4 实验

<