論文の概要: TabClaw: An Interactive and Self-Evolving Agent for Spreadsheet Manipulation and Table Reasoning

• arxiv url: http://arxiv.org/abs/2606.10316v1
• Date: Tue, 09 Jun 2026 02:11:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.259677
• Title: TabClaw: An Interactive and Self-Evolving Agent for Spreadsheet Manipulation and Table Reasoning
• Title（参考訳）: TabClaw:スプレッドシート操作とテーブル推論のための対話的で自己進化型エージェント
• Authors: Mingyue Cheng, Shuo Yu, Daoyu Wang, Qingchuan Li, Xiaoyu Tao, Qingyang Mao, Yitong Zhou, Qi Liu,
• Abstract要約: 本稿では,スプレッドシート操作とテーブル推論のためのオープンソースの対話型AIエージェントTabClawを提案する。 TabClawは曖昧な意図を明確にし、編集可能な実行計画を公開するとともに、ReActスタイルのツール使用分析ループをストリームし、並列マルチテーブル推論のためのスペシャリストをディスパッチする。
• 参考スコア（独自算出の注目度）: 10.691111633638734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spreadsheets and tables are widely used representations for structured data analysis, but effective analysis still requires substantial manual effort and domain expertise. Recent large language model (LLM) agents can automate parts of this process, but they often provide limited transparency into intermediate decisions, rely on implicit assumptions, struggle with multi-table comparison, and repeat similar workflows without adapting to a user's preferences. This paper presents TabClaw, an open-source interactive AI agent for spreadsheet manipulation and table reasoning. Users upload CSV or Excel files and issue natural-language requests; TabClaw clarifies ambiguous intent, exposes an editable execution plan, streams a ReAct-style tool-using analysis loop, dispatches specialist agents for parallel multi-table reasoning, and synthesizes findings with explicit consensus and uncertainty markers. Beyond one-off analysis, TabClaw records completed workflows, extracts persistent user memory, distills reusable skills from repeated tool-use patterns, supports package-style skill import, and upgrades skills from negative feedback. Experiments on spreadsheet manipulation and table reasoning benchmarks show that TabClaw improves executable task completion and reasoning performance while preserving an inspectable user workflow. This paper shows how TabClaw turns spreadsheets and tables into inspectable analytical workflows while gradually personalizing itself to recurring data-analysis tasks. Our code is available.
• Abstract（参考訳）: スプレッドシートとテーブルは構造化データ分析に広く使われているが、効果的な分析には依然としてかなりの手作業とドメインの専門知識が必要である。 最近の大規模言語モデル(LLM)エージェントは、このプロセスの一部を自動化することができるが、それらはしばしば、中間的決定に対する限られた透明性を提供し、暗黙の仮定に依存し、マルチテーブル比較に苦労し、ユーザの好みに適応することなく、同様のワークフローを繰り返す。 本稿では,スプレッドシート操作とテーブル推論のためのオープンソースの対話型AIエージェントTabClawを提案する。 TabClawは曖昧な意図を明確にし、編集可能な実行プランを公開し、ReActスタイルのツール使用分析ループをストリームし、並列マルチテーブル推論のためのスペシャリストをディスパッチし、明確なコンセンサスと不確実性マーカーで結果を合成する。 ワンオフ分析以外にも、TabClawはワークフローの完了を記録し、永続的なユーザメモリを抽出し、繰り返しツール使用パターンから再利用可能なスキルを抽出し、パッケージスタイルのスキルインポートをサポートし、ネガティブなフィードバックからスキルをアップグレードする。 スプレッドシート操作とテーブル推論ベンチマークの実験は、TabClawが検査可能なユーザワークフローを維持しながら実行可能なタスク補完と推論性能を改善していることを示している。 本稿では、TabClawがスプレッドシートとテーブルを検査可能な分析ワークフローに変換しながら、徐々にデータ分析タスクにパーソナライズしていく方法を示す。 私たちのコードは利用可能です。

関連論文リスト

• ProfiliTable: Profiling-Driven Tabular Data Processing via Agentic Workflows [17.525508735432147]
  ProfiliTableは動的プロファイリングを中心とした自律型マルチエージェントフレームワークである。 インタラクティブな探索、知識強化された合成、フィードバック駆動の洗練を通じて、統合された実行コンテキストを構築し、反復的に洗練する。
  論文  参考訳（メタデータ） (2026-05-12T16:42:38Z)
• Sheet as Token: A Graph-Enhanced Representation for Multi-Sheet Spreadsheet Understanding [14.27017655999633]
  Sheet as Tokenはグラフで強化されたフレームワークで、各ワークシートをマルチシートのスプレッドシート検索のための統一セマンティックユニットとして扱う。 Graph Retrieverは、セマンティック、クエリ条件付き、スキーマ一貫性、形状適合性関係を使って、シートトークン上のクエリ固有の候補グラフを構築する。 構成したマルチシートスプレッドシートコーパスの実験により、シートレベルのトークン化が安定した表現を学習することを示す。
  論文  参考訳（メタデータ） (2026-05-07T07:47:43Z)
• 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)
• 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)
• Chain-of-Table: Evolving Tables in the Reasoning Chain for Table Understanding [79.9461269253121]
  そこで我々は、中間思考のプロキシとして、図表データを推論チェーンで明示的に使用するChain-of-Tableフレームワークを提案する。 Chain-of-TableはWikiTQ、FeTaQA、TabFactベンチマークで最新のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-01-09T07:46:26Z)
• 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)

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。