2025_NIPS_SheetCopilot: Bringing Software Productivity to the Next Level through Large Language M...

文章核心总结与创新点

主要内容

本文提出SheetCopilot智能体，旨在通过自然语言指令控制电子表格软件（如Excel），解决普通用户重复、易错的表格处理任务。研究构建了包含221个真实表格任务的数据集，设计了“原子动作”作为软件功能抽象接口，并基于状态机搭建“观察-提议-修订-执行”的任务规划框架。实验显示，SheetCopilot单次生成可正确完成44.3%的任务，在可执行性和正确性上大幅优于VBA代码生成等传统方法，且在不同大语言模型（GPT-3.5-Turbo、GPT-4、Claude）上表现稳定。

核心创新点

1. 提出通用的模型-软件交互框架，将电子表格功能抽象为标准化“原子动作”，打通自然语言到软件操作的转化链路。
2. 设计状态机驱动的闭环任务规划机制，通过sheet状态反馈、错误反馈和外部文档检索，提升复杂任务的执行鲁棒性。
3. 构建首个包含多样化真实场景的表格控制数据集及全自动评估流水线，为该领域提供标准化基准。
4. 验证了非嵌入式编程（无需VBA）的软件控制方案，适配多平台表格软件，通用性优于传统代码生成方法。

---

文章关键部分翻译（Markdown格式）

Abstract（摘要）

计算机终端用户每年花费数十亿小时完成表格数据处理、项目时间规划等日常任务。这些任务大多具有重复性且容易出错，但大多数用户缺乏自动化这类繁琐工作的技能。随着大型语言模型（LLMs