論文の概要: Spreadsheet-RL: Advancing Large Language Model Agents on Realistic Spreadsheet Tasks via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2605.22642v1
• Date: Thu, 21 May 2026 15:47:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.330997
• Title: Spreadsheet-RL: Advancing Large Language Model Agents on Realistic Spreadsheet Tasks via Reinforcement Learning
• Title（参考訳）: Spreadsheet-RL:強化学習による大規模言語モデルエージェントのリアルなスプレッドシートタスクへの展開
• Authors: Banghao Chi, Yining Xie, Mingyuan Wu, Jingcheng Yang, Jize Jiang, Zhaoheng Li, Shengyi Qian, Minjia Zhang, Klara Nahrstedt, Rui Hou, Xiangjun Fan, Hanchao Yu,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 24.547778017752847
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Spreadsheet systems (e.g., Microsoft Excel, Google Sheets) play a central role in modern data-centric workflows. As AI agents grow increasingly capable of automating complex tasks, such as controlling computers and generating presentations, building an AI-driven spreadsheet agent has emerged as a promising research direction. Most existing spreadsheet agents rely on specialized prompting over general-purpose LLMs; while this design has potentials on simple spreadsheet operations, it struggles to manage the complex, multi-step workflows typical of real-world applications. We introduce Spreadsheet-RL, a reinforcement learning (RL) fine-tuning framework designed to train specialized spreadsheet agents within a realistic Microsoft Excel environment. Spreadsheet-RL features an automated pipeline for scalable collection of paired start-goal spreadsheets from online forums, as well as domain-specific evaluation tasks in areas such as finance and supply chain management, which we compile into the new Domain-Spreadsheet benchmark dataset. It also includes a Spreadsheet Gym environment designed for multi-turn RL: Spreadsheet Gym exposes extensive Excel functionality through a Python sandbox, along with a refined harness that incorporates a comprehensive tool set and carefully designed tool-routing rules for spreadsheet tasks. Through comprehensive experiments, we show that Spreadsheet-RL substantially enhances AI agent's performance on both general and domain-specific spreadsheet tasks: it improves Qwen3-4B-Thinking-2507's Pass@1 on SpreadsheetBench from 12.0% to 23.4%, and raises Pass@1 from 8.4% to 17.2% on our curated Domain-Spreadsheet dataset. These results highlight Spreadsheet-RL's strong potential for generalization and real-world adoption in spreadsheet automation, and broadly, its promise for advancing LLM-based interactions with data interfaces in everyday work.
• Abstract（参考訳）: スプレッドシートシステム(Microsoft Excel、Google Sheetsなど)は、現代的なデータ中心のワークフローにおいて中心的な役割を果たす。 AIエージェントがコンピュータの制御やプレゼンテーション生成といった複雑なタスクを自動化する能力が高まっている中、AI駆動のスプレッドシートエージェントの構築が有望な研究方向として現れている。 既存のスプレッドシートエージェントの多くは汎用LLMよりも特別なプロンプトに頼っているが、この設計は単純なスプレッドシート操作の可能性を秘めているが、現実世界のアプリケーションに典型的な複雑なマルチステップワークフローを管理するのに苦労している。 現実的なMicrosoft Excel環境において,特殊なスプレッドシートエージェントを訓練するための強化学習(RL)ファインチューニングフレームワークであるSpreadsheet-RLを紹介する。 Spreadsheet-RLは、オンラインフォーラムからペア化された開始目標のスプレッドシートをスケーラブルに収集する自動化パイプラインと、金融やサプライチェーン管理といった分野におけるドメイン固有の評価タスクを備え、新しいDomain-Spreadsheetベンチマークデータセットにコンパイルする。 マルチターンRL用に設計されたSpreadsheet Gym環境も備えている。 Spreadsheet GymはPythonサンドボックスを通じて広範なExcel機能を公開するとともに、包括的なツールセットと、スプレッドシートタスク用のツールルーティングルールを慎重に設計した洗練されたハーネスも備えている。 包括的な実験を通じて、Spreadsheet-RLは、一般的なスプレッドシート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を大幅に向上することを示した。これは、SpreadsheetBench上のQwen3-4B-Thinking-2507のPass@1を12.0%から23.4%に改善し、修正済みのDomain-Spreadsheetデータセットでは8.4%から17.2%にPass@1を上昇させる。 これらの結果は,スプレッドシート自動化におけるスプレッドシート-RLの一般化と実世界採用の強い可能性を強調し,日常的な作業におけるデータインターフェースとのLLMベースのインタラクションを進展させることを広く約束している。

関連論文リスト

• Towards Robust Real-World Spreadsheet Understanding with Multi-Agent Multi-Format Reasoning [43.91509663025854]
  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。
  論文  参考訳（メタデータ） (2026-04-14T04:47:21Z)
• SpreadsheetArena: Decomposing Preference in LLM Generation of Spreadsheet Workbooks [8.306042091008957]
  大規模言語モデル (LLM) は、構造化されたアーティファクトの生成と操作のタスクが増えている。 タスク上でモデルのパフォーマンスを評価するプラットフォームであるSpreadsheetArenaを紹介する。 好みのスプレッドシートのスタイラス的,構造的,機能的特徴はユースケースによって大きく異なる。
  論文  参考訳（メタデータ） (2026-02-16T14:24:36Z)
• SODBench: A Large Language Model Approach to Documenting Spreadsheet Operations [1.3669571918482655]
  本稿では,スプレッドシート操作から人間が読める説明を生成するAIタスクである,スプレッドシート操作文書(SOD)を紹介する。 本稿では,111のスプレッドシート操作コードスニペットのベンチマークを,対応する自然言語要約と組み合わせて提示する。 以上の結果から,LSMは正確なスプレッドシートドキュメンテーションを生成できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-10-22T01:36:13Z)
• 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)
• 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)
• SheetCopilot: Bringing Software Productivity to the Next Level through Large Language Models [60.171444066848856]
  本研究では,スプレッドシートの要求を満たすために自然言語処理と制御を行うスプレッドシートコパイロットエージェントを提案する。 221のスプレッドシート制御タスクを含む代表データセットをキュレートし,完全自動評価パイプラインを構築した。 当社の SheetCopilot は1世代で44.3% のタスクを正しく完了し、強力なコード生成ベースラインを広いマージンで上回っている。
  論文  参考訳（メタデータ） (2023-05-30T17:59:30Z)
• 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。