論文の概要: Kale: A Transformation-Safe Spreadsheet System

• arxiv url: http://arxiv.org/abs/2608.26345v1
• Date: Wed, 26 Aug 2026 19:27:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.163158
• Title: Kale: A Transformation-Safe Spreadsheet System
• Title（参考訳）: Kale: トランスフォーメーションセーフなスプレッドシートシステム
• Abstract要約: 標準参照セマンティクスはエラーを起こしやすいことを示す。 この種のバグを挿入するリスクを排除するプロトタイプシステムであるKaleを紹介します。 従来のスプレッドシートシステムではエラーが発生しやすいタスクをユーザが効率的に処理できることを示す。
• 参考スコア（独自算出の注目度）: 1.5027642156243959
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spreadsheet formulas can refer to rectangular ranges of arbitrary size. When a user changes the structure of a referenced table, the spreadsheet system updates the references to refer to a new range. Unfortunately, this new range may differ from the user's expectations, introducing bugs in spreadsheets. We describe a user study showing that standard reference semantics are error-prone, resulting in significant risk to users. We introduce Kale, a prototype system that eliminates the risk of inserting these kinds of bugs by restricting the kinds of references that can be expressed. We show that Kale can be used effectively by users to complete tasks that are error-prone in traditional spreadsheet systems. Finally, we describe a corpus study that evaluates the extent to which the reference restrictions in Kale might have implications on users.
• Abstract（参考訳）: スプレッドシートの公式は任意の大きさの長方形の範囲を指すことができる。 ユーザが参照テーブルの構造を変更すると、スプレッドシートシステムは参照を更新して新しい範囲を参照する。 残念ながら、この新しい範囲は、スプレッドシートにバグを導入して、ユーザの期待と異なるかもしれない。 本稿では,標準参照セマンティクスがエラーを起こしやすいことを示すユーザスタディについて述べる。 我々は,これらのバグを挿入するリスクを排除し,表現可能な参照の種類を制限するプロトタイプシステムであるKaleを紹介する。 従来のスプレッドシートシステムではエラーが発生しやすいタスクをユーザが効率的に処理できることを示す。 最後に,Kaleにおける参照制限がユーザに与える影響を評価するコーパススタディについて述べる。

関連論文リスト

• A Benchmark and Framework for Evaluating Next Action Predictions in Spreadsheets [13.203098866358824]
  本研究では,ユーザアクションのシーケンスをスプレッドシートで監視し,将来のアクションを予測するシステムのためのベンチマークを提案する。 公開コーパスからスプレッドシートを再現する12Kアクションの52のシーケンスを手作業でキュレートする。 私たちのベンチマークでは、保存されたアクションのプロパティと偽陽性、効率性、ユーザプロファイルの効果、トリガーの効果、コンテキストの影響など、さまざまな特性について分析しています。
  論文  参考訳（メタデータ） (2026-06-11T18:16:37Z)
• 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)
• Classification Error Bound for Low Bayes Error Conditions in Machine Learning [50.25063912757367]
  機械学習における誤りミスマッチとKulback-Leibler分散の関係について検討する。 多くの機械学習タスクにおける低モデルに基づく分類誤差の最近の観測により、低ベイズ誤差条件に対する分類誤差の線形近似を提案する。
  論文  参考訳（メタデータ） (2025-01-27T11:57:21Z)
• A Simple Baseline for Predicting Events with Auto-Regressive Tabular Transformers [70.20477771578824]
  イベント予測への既存のアプローチには、タイムアウェアな位置埋め込み、学習行とフィールドエンコーディング、クラス不均衡に対処するオーバーサンプリング方法などがある。 基本位置埋め込みと因果言語モデリングの目的を持つ標準自己回帰型LPM変換器を用いて,単純だが柔軟なベースラインを提案する。 私たちのベースラインは、一般的なデータセットで既存のアプローチよりも優れており、さまざまなユースケースに使用することができます。
  論文  参考訳（メタデータ） (2024-10-14T15:59:16Z)
• 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)
• Introducing User Feedback-based Counterfactual Explanations (UFCE) [49.1574468325115]
  対実的説明(CE)は、XAIで理解可能な説明を生成するための有効な解決策として浮上している。 UFCEは、アクション可能な機能のサブセットで最小限の変更を決定するために、ユーザー制約を含めることができる。 UFCEは、textitproximity(英語版)、textitsparsity(英語版)、textitfeasibility(英語版)の2つのよく知られたCEメソッドより優れている。
  論文  参考訳（メタデータ） (2024-02-26T20:09:44Z)
• Demonstration of CORNET: A System For Learning Spreadsheet Formatting Rules By Example [17.187094058627615]
  CORNETは条件付きフォーマットルールをユーザ例から学習するシステムである。 このデモでは、Microsoft Excelのシンプルなアドインとして、CORNETが動作していることを示す。
  論文  参考訳（メタデータ） (2023-08-14T14:15:03Z)
• KGxBoard: Explainable and Interactive Leaderboard for Evaluation of Knowledge Graph Completion Models [76.01814380927507]
  KGxBoardは、データの意味のあるサブセットを詳細に評価するためのインタラクティブなフレームワークである。 実験では,KGxBoardを用いることで,標準平均シングルスコアメトリクスでは検出が不可能であったことを強調した。
  論文  参考訳（メタデータ） (2022-08-23T15:11:45Z)
• Does Recommend-Revise Produce Reliable Annotations? An Analysis on Missing Instances in DocRED [60.39125850987604]
  テキスト修正方式は, 偽陰性サンプルと, 人気エンティティや関係性に対する明らかな偏見をもたらすことを示す。 より信頼性の高いドキュメントREモデルのテストセットとして機能するように、relabeledデータセットがリリースされている。
  論文  参考訳（メタデータ） (2022-04-17T11:29:01Z)
• Enhanced Spreadsheet Computing with Finite-Domain Constraint Satisfaction [1.6244541005112747]
  視覚環境において有限領域制約解決を十分にサポートした拡張スプレッドシートシステムを提案する。 一般ユーザがデータセル間の制約を指定するために,スプレッドシート固有の制約言語を構築する。 新しいスプレッドシートシステムは、多くの制約ベースのアプリケーションの開発を著しく単純化する。
  論文  参考訳（メタデータ） (2022-02-22T17:58:08Z)
• Is the Performance of My Deep Network Too Good to Be True? A Direct Approach to Estimating the Bayes Error in Binary Classification [86.32752788233913]
  分類問題において、ベイズ誤差は、最先端の性能を持つ分類器を評価するための基準として用いられる。 我々はベイズ誤差推定器を提案する。そこでは,クラスの不確かさを示すラベルの平均値のみを評価できる。 我々の柔軟なアプローチは、弱い教師付きデータであってもベイズ誤差を推定できる。
  論文  参考訳（メタデータ） (2022-02-01T13:22:26Z)

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。