論文の概要: No More Manual Guides: Automatic and Scalable Generation of High-Quality Excel Tutorials

• arxiv url: http://arxiv.org/abs/2509.21816v1
• Date: Fri, 26 Sep 2025 03:21:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.153324
• Title: No More Manual Guides: Automatic and Scalable Generation of High-Quality Excel Tutorials
• Title（参考訳）: 手動ガイドは不要:高品質なExcelチュートリアルの自動生成とスケーラブル化
• Authors: Yuhang Xie, Jian Mu, Xiaojun Ma, Chaoyun Zhang, Lu Wang, Mengyu Zhou, Mugeng Liu, Si Qin, Qingwei Lin, Saravan Rajmohan, Shi Han, Dongmei Zhang,
• Abstract要約: 既存のチュートリアルは、専門家が手作業で作成し、ソフトウェアリリース毎に頻繁な更新が必要で、相当なコストがかかる。 自然言語タスク記述から直接Excelチュートリアルを自動生成する最初のフレームワークを提案する。 我々のフレームワークは、最先端のベースラインよりもタスク実行の成功率を8.5%向上させる。
• 参考スコア（独自算出の注目度）: 63.10037761131196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Excel is one of the most widely used productivity tools across domains, offering rich functionality but also overwhelming users with its complexity. This creates a persistent demand for tutorials to support effective usage. However, existing tutorials are manually authored by experts, require frequent updates after each software release, and incur substantial labor costs. Prior work has not achieved fully automated tutorial generation, since existing methods still depend on handcrafted operation sequences or example materials. In this paper, we present the first framework for automatically generating Excel tutorials directly from natural language task descriptions. Our framework first instantiates the task. Then a central component of this framework, Execution Agent, plans and executes the solution in Excel, and collects the intermediate artifacts required for tutorial construction. These artifacts are then transformed into both structured Excel documents and video demonstrations. To build a comprehensive tutorial corpus, we collected 1,559 task descriptions from real-world scenarios. In addition, we designed a systematic evaluation framework that integrates assessments from both large language models (LLMs) and human reviewers. Experimental results show that our framework improves task execution success rates by 8.5% over state-of-the-art baselines. Moreover, the generated tutorials demonstrate superior readability and instructional effectiveness, often approaching or surpassing expert-authored materials. Importantly, the automated pipeline eliminates manual labor and reduces time costs to 1/20 of expert authoring, making scalable and high-quality tutorial generation practical for the first time.
• Abstract（参考訳）: Excelは、ドメイン間で最も広く使われている生産性ツールの1つで、豊富な機能を提供しているが、その複雑さで圧倒的なユーザも提供している。 これにより、効果的な使用法をサポートするためのチュートリアルに対する永続的な要求が生じる。 しかし、既存のチュートリアルは専門家が手作業で作成し、ソフトウェアリリース毎に頻繁な更新が必要で、相当なコストがかかる。 既存の手法は現在でも手作りの操作シーケンスやサンプル資料に依存しているため、以前の作業は完全なチュートリアル生成を達成していない。 本稿では,自然言語タスク記述から直接Excelチュートリアルを自動生成する最初のフレームワークを提案する。 私たちのフレームワークはまずタスクをインスタンス化する。 次に、このフレームワークの中心的なコンポーネントであるExecution AgentがExcelでソリューションを計画して実行し、チュートリアル構築に必要な中間成果物を収集する。 これらのアーティファクトは、構造化されたExcelドキュメントとビデオデモの両方に変換される。 総合的なチュートリアルコーパスを構築するために,実世界のシナリオから1,559のタスク記述を収集した。 さらに,大規模言語モデル (LLM) と人間レビュアーの両方による評価を統合するシステム評価フレームワークを設計した。 実験の結果,我々のフレームワークは現状のベースラインよりもタスク実行の成功率を8.5%向上させることがわかった。 さらに、生成されたチュートリアルは、しばしば専門家が認可した資料に近づいたり、超えたりして、優れた可読性と教育効果を示す。 重要なことは、自動パイプラインは手作業の労力を排除し、時間コストをエキスパートオーサリングの1/20に削減し、スケーラブルで高品質なチュートリアル生成を初めて実用的なものにする。

関連論文リスト

• A Guide to Bayesian Networks Software Packages for Structure and Parameter Learning -- 2025 Edition [0.94371657253557]
  本稿では,BNの構造とパラメータ学習に関する最も関連性の高いツールとソフトウェアについて概説する。 すべてのソフトウェアパッケージとその主な特徴を要約した、広範囲にわたる使い易い概要表を提供する。
  論文  参考訳（メタデータ） (2025-03-21T10:36:11Z)
• AgentTrek: Agent Trajectory Synthesis via Guiding Replay with Web Tutorials [53.376263056033046]
  既存のアプローチは高価な人間のアノテーションに依存しており、大規模には持続不可能である。 本稿では,Webエージェントトラジェクトリを生成するスケーラブルなデータ合成パイプラインであるAgentTrekを提案する。 完全に自動化されたアプローチは、データ収集コストを大幅に削減し、人間のアノテータを使わずに、高品質な軌道を0.55ドルに抑えることができます。
  論文  参考訳（メタデータ） (2024-12-12T18:59:27Z)
• TutoAI: A Cross-domain Framework for AI-assisted Mixed-media Tutorial Creation on Physical Tasks [18.999028085376594]
  TutoAIは、物理的なタスクでAI支援のミックスメディアチュートリアルを作成するためのクロスドメインフレームワークである。 既存の作業を調査することで、一般的なチュートリアルコンポーネントを蒸留する。 コンポーネント抽出のためのAIモデルを特定し,組み立て,評価する手法を提案する。
  論文  参考訳（メタデータ） (2024-03-12T19:46:59Z)
• SPROUT: an Interactive Authoring Tool for Generating Programming Tutorials with the Visualization of Large Language Models [19.885485760758783]
  大規模言語モデル(LLM)の急速な開発は、プログラミングチュートリアルの作成効率に革命をもたらした。 プログラミングチュートリアル作成タスクを実行可能なステップに分解する,新しいアプローチを導入する。 次に,SPROUTを提案する。SPROUTは,プログラミングチュートリアル作成プロセスのより深い制御と理解を可能にする,インタラクティブな可視化機能を備えたオーサリングツールである。
  論文  参考訳（メタデータ） (2023-12-04T10:46:52Z)
• Read and Reap the Rewards: Learning to Play Atari with the Help of Instruction Manuals [69.76245723797368]
  Read and Rewardは、Atariゲーム開発者がリリースしたマニュアルを読むことで、Atariゲーム上のRLアルゴリズムを高速化する。 各種RLアルゴリズムは,設計支援による性能向上とトレーニング速度の向上を実現している。
  論文  参考訳（メタデータ） (2023-02-09T05:47:03Z)
• Retrieval as Attention: End-to-end Learning of Retrieval and Reading within a Single Transformer [80.50327229467993]
  学習した1つのモデルが競合検索とQA性能の両方を達成可能であることを示す。 エンドツーエンド適応は、教師なし設定と教師なし設定の両方において、ドメイン外のデータセットのパフォーマンスを大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2022-12-05T04:51:21Z)
• AxCell: Automatic Extraction of Results from Machine Learning Papers [44.15443359660737]
  論文から結果を抽出する自動機械学習パイプラインであるAxCellを紹介する。 既存の手法と比較すると,本手法は結果抽出のための技術の現状を大幅に改善する。 本稿では,本手法が実運用における半自動結果抽出に有効であることを示す。
  論文  参考訳（メタデータ） (2020-04-29T17:33:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。