論文の概要: Towards Robust Real-World Spreadsheet Understanding with Multi-Agent Multi-Format Reasoning

• arxiv url: http://arxiv.org/abs/2604.12282v1
• Date: Tue, 14 Apr 2026 04:47:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.245013
• Title: Towards Robust Real-World Spreadsheet Understanding with Multi-Agent Multi-Format Reasoning
• Title（参考訳）: マルチエージェントマルチフォーム推論によるロバスト実世界スプレッドシート理解に向けて
• Abstract要約: スプレッドシートは、企業報告、監査、科学データ管理といった現実世界のアプリケーションの中心である。 既存の大きな言語モデルベースのアプローチでは、テーブルを平易なテキストとして扱い、重要なレイアウトキューや視覚的意味論を見渡すのが一般的である。 本稿では,ステップバイステップの読み出しと推論のパラダイムを取り入れた,スプレッドシート理解のための2段階のマルチエージェントフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 43.91509663025854
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spreadsheets are central to real-world applications such as enterprise reporting, auditing, and scientific data management. Despite their ubiquity, existing large language model based approaches typically treat tables as plain text, overlooking critical layout cues and visual semantics. Moreover, real-world spreadsheets are often massive in scale, exceeding the input length that LLMs can efficiently process. To address these challenges, we propose SpreadsheetAgent, a two-stage multi-agent framework for spreadsheet understanding that adopts a step-by-step reading and reasoning paradigm. Instead of loading the entire spreadsheet at once, SpreadsheetAgent incrementally interprets localized regions through multiple modalities, including code execution results, images, and LaTeX tables. The method first constructs a structural sketch and row/column summaries, and then performs task-driven reasoning over this intermediate representation in the Solving Stage. To further enhance reliability, we design a verification module that validates extracted structures via targeted inspections, reducing error propagation and ensuring trustworthy inputs for downstream reasoning. Extensive experiments on two spreadsheet datasets demonstrate the effectiveness of our approach. With GPT-OSS-120B, SpreadsheetAgent achieves 38.16% on Spreadsheet Bench, outperforming the ChatGPT Agent baseline (35.27%) by 2.89 absolute points. These results highlight the potential of SpreadsheetAgent to advance robust and scalable spreadsheet understanding in real-world applications. Code is available at https://github.com/renhouxing/SpreadsheetAgent.git.
• Abstract（参考訳）: スプレッドシートは、企業報告、監査、科学データ管理といった現実世界のアプリケーションの中心である。 汎用性にもかかわらず、既存の大規模言語モデルベースのアプローチでは、テーブルを平易なテキストとして扱い、重要なレイアウトキューや視覚的意味論を見渡すのが一般的である。 さらに、現実世界のスプレッドシートは大規模であり、LLMが効率的に処理できる入力長を超えることが多い。 これらの課題に対処するために,スプレッドシート理解のための2段階のマルチエージェントフレームワークであるSpreadsheetAgentを提案する。 SpreadsheetAgentは,スプレッドシート全体を一度にロードする代わりに,コード実行結果やイメージ,LaTeXテーブルなど,複数のモダリティを通じて,ローカライズされたリージョンを段階的に解釈する。 この手法はまず構造スケッチと行/列の要約を構築し,その中間表現に対するタスク駆動推論を行う。 信頼性を高めるため,ターゲット検査による抽出構造の評価,誤り伝播の低減,下流推論のための信頼性の高い入力を保証する検証モジュールを設計した。 2つのスプレッドシートデータセットに対する大規模な実験は、我々のアプローチの有効性を実証する。 GPT-OSS-120Bでは、SpreadsheetAgentはSpreadsheet Benchで38.16%を獲得し、ChatGPT Agentベースライン(35.27%)を2.89絶対点で上回った。 これらの結果は、現実世界のアプリケーションで堅牢でスケーラブルなスプレッドシート理解を促進するためのSpreadsheetAgentの可能性を強調している。 コードはhttps://github.com/renhouxing/SpreadsheetAgent.gitで入手できる。

関連論文リスト

• SpreadsheetBench 2: Evaluating Agents on End-to-End Business Spreadsheet Workflows [14.11925465537949]
  スプレッドシートエージェントの分類レベルベンチマークであるtextscSpreadsheetBench 2 を紹介する。 このベンチマークは、財務報告や企業書類を含む、本物のビジネスデータから構築されている。 その結果、現在のシステムは現実世界での使用には程遠いことが判明した。
  論文  参考訳（メタデータ） (2026-06-29T08:33:52Z)
• Spreadsheet-RL: Advancing Large Language Model Agents on Realistic Spreadsheet Tasks via Reinforcement Learning [24.547778017752847]
  Spreadsheet-RLは、Microsoft Excel環境内で、特殊なスプレッドシートエージェントをトレーニングするために設計された強化学習フレームワークである。 本研究では,スプレッドシート-RLにより,汎用タスクとドメイン固有のスプレッドシートタスクの両方において,AIエージェントのパフォーマンスが大幅に向上することを示す。 結果は、スプレッドシート自動化におけるスプレッドシート-RLの一般化と現実的な採用の強い可能性を強調している。
  論文  参考訳（メタデータ） (2026-05-21T15:47:41Z)
• Where LLM Agents Fail and How They can Learn From Failures [62.196870049524364]
  大規模言語モデル(LLM)エージェントは、複雑なマルチステップタスクの解決において有望であることを示す。 単一ルート原因エラーがその後の決定を通じて伝播する、障害のカスケードに対する脆弱性を増幅する。 現在のシステムは、モジュール的で体系的な方法でエージェントエラーを包括的に理解できるフレームワークを欠いている。 AgentErrorTaxonomyは、メモリ、リフレクション、計画、アクション、システムレベルの操作にまたがる障害モードのモジュール分類である。
  論文  参考訳（メタデータ） (2025-09-29T18:20:27Z)
• SpreadsheetLLM: Encoding Spreadsheets for Large Language Models [44.08092362611575]
  本研究では,スプレッドシート上での大規模言語モデル(LLM)の効率的な符号化手法であるSpreadsheetLLMを紹介する。 LLMのスプレッドシートを効果的に圧縮する革新的な符号化フレームワークである SheetCompressor を開発した。 シート圧縮機を用いた微調整LDMは平均圧縮比25倍であり、最先端の78.9%のF1スコアを達成し、既存の最高のモデルよりも12.3%上回っている。
  論文  参考訳（メタデータ） (2024-07-12T06:34:21Z)
• SpreadsheetBench: Towards Challenging Real World Spreadsheet Manipulation [34.8332394229927]
  SpreadsheetBenchは,現在の大規模言語モデル(LLM)を,スプレッドシートユーザのワークフローにマージするように設計されている。 合成クエリと単純化されたスプレッドシートファイルに依存する既存のベンチマークとは異なり、SpreadsheetBenchはオンラインExcelフォーラムから収集された912の質問から作られている。 単一ラウンドおよび複数ラウンドの推論条件下での各種LLMの総合評価は,最先端モデル(SOTA)と人為的性能との間に大きなギャップがあることを示唆している。
  論文  参考訳（メタデータ） (2024-06-21T09:06:45Z)
• TableLLM: Enabling Tabular Data Manipulation by LLMs in Real Office Usage Scenarios [51.66718740300016]
  TableLLMは80億のパラメータを持つ堅牢な大規模言語モデル(LLM)である。 TableLLMはデータ操作タスクを巧みに扱うために構築されている。 我々は、ユーザインタラクションのためのモデルチェックポイント、ソースコード、ベンチマーク、Webアプリケーションをリリースした。
  論文  参考訳（メタデータ） (2024-03-28T11:21:12Z)
• SheetAgent: Towards A Generalist Agent for Spreadsheet Reasoning and Manipulation via Large Language Models [45.930510174309845]
  大規模言語モデル(LLM)は,最近,スプレッドシートの自動操作のために試みられている。 SheetAgentはPlanner、Informer、Retrieverの3つの共同モジュールで構成されている。 SheetAgentはベースラインよりも複数のベンチマークで20～40%のパスレート改善を実現している。
  論文  参考訳（メタデータ） (2024-03-06T11:48:08Z)
• TAP4LLM: Table Provider on Sampling, Augmenting, and Packing Semi-structured Data for Large Language Model Reasoning [55.33939289989238]
  テーブルベースタスクにおいて,大規模言語モデル(LLM)を効果的に活用するための汎用プリプロセッサスイートとして,TAP4LLMを提案する。 1)大きなテーブルをクエリセマンティクスに基づいて管理可能なサブテーブルに分解するテーブルサンプリング、(2)外部ソースやモデルから追加の知識でテーブルを拡張するテーブル拡張、(3)テーブルパッキングとシリアライゼーションによりテーブルをLLMの理解に適したさまざまなフォーマットに変換する。
  論文  参考訳（メタデータ） (2023-12-14T15:37:04Z)
• SpreadsheetCoder: Formula Prediction from Semi-structured Context [70.41579328458116]
  行ベースと列ベースの両方のフォーマットで表されるコンテキストを表現するために,BERTベースのモデルアーキテクチャを提案する。 我々はスプレッドシートの大きなデータセットでモデルをトレーニングし、SpreadsheetCoderが42.51%の予測精度でトップ1の予測を達成できることを実証した。 ルールベースのシステムと比較すると、SpreadsheetCoder 82%は、Google Sheetsで公式を作成する上で、より多くのユーザを支援する。
  論文  参考訳（メタデータ） (2021-06-26T11:26:27Z)

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。