このスムーズな操作プロセスは、専門家にとってまさに朗報です。
最近、オートメーション研究所、中国科学院、香港理工大学、その他の機関の研究者らが、 「Table AI Assistant」「SheetCopilot」このインテリジェント エージェントは、ユーザーの指示に基づいてテーブルを操作するためのソリューションを生成し、特定のソフトウェア (Excel、GoogleSheets など) 上で実行できます。 SheetCopilot は、複数の表処理ソフトウェアに素早く接続でき、複数の表の操作、チャートの描画、ピボット テーブルの生成をサポートしており、複数の分野で表データの処理と視覚化を強化し、汎用的なインテリジェント アシスタントの実現に向けた重要な一歩を踏み出すことが期待されています。
ウェブサイト: https://sheetcopilot-demo.github.io/
論文: https://arxiv.org/abs/2305.19308
次の例を通じて、SheetCopilot がどのように作業効率を大幅に向上させるかを最初に体験してみましょう。
あなたは新人で、ある日、上司から販売データの分析を手伝ってほしいと頼まれたとします。フォームを受け取ってそれを見ると、何千行ものデータに目がくらむでしょうが、どこから始めればよいのかわからないので、確認しながら確認していきます。
まず、各製品の名前を抽出し、式を使用して各製品の収入を合計します。
20 分以上作業した後、SUMIF は「#NAME?」エラーを報告し続けたので、上。
ネットで検索を続けたところ、ピボットテーブルという便利なツールがあることを知り、2回目のチャレンジを開始しました。
あなたの同僚は SheetCopilot を使用しており、あらゆる種類の奇妙な要件をわずか数秒で完了できます :)。
強力な言語理解および生成機能を備えた大規模言語モデル (LLM) の出現により、このビジョンはこれまで以上に現実に近づきました。 LLM を誘導してさまざまなソフトウェアを使いこなすことができれば、LLM のほぼ無限の可能性が解放され、人間の生産性が前例のない高みに達することが可能になります。 この記事では、スプレッドシートは一般的で多用途な制作ツールであるため、この調査を実施するための理想的な基盤であることを指摘します。しかし、テーブル操作はさまざまな課題に直面しており、ユーザーが絶えず変化するタスク要件に対処するのに十分なテーブル処理スキルとプログラミング スキルを習得することは困難です。 豊富なソフトウェア制御スキルを習得したジェネラリスト AI エージェントがあれば、オフィスの効率が大幅に向上するだけでなく、企業の出力も大幅に加速されます。 SheetCopilot の登場はまさに人々のビジョンにぴったりです。 1. テーブル処理の一般的なニーズをカバーします #SheetCopilot は、テーブル操作のほぼすべての典型的なタスクを処理し、さまざまなチャート生成タスクを優れた方法で完了できます。 # 販売データ分析 実験チャートの描画 SheetCopilot のハイライト
##複雑な数式の計算
条件付き書式設定の適用
2. VBA ベースのアプローチを超えて#SheetCopilot は、GPT-3.5 を使用して VBA コードを生成して実行する方法よりも優れており、生成されたソリューションは後者よりも大幅に優れており (下図を参照)、SheetCopilot は強力な AI 補助ツールになることが期待されています将来のデータ処理担当者向け。
それだけでなく、難解な VBA コードと比較して、SheetCopilot によって生成されたソリューションには理解しやすい手順が含まれていますこれにより、新しいプログラミング言語を学習したり、デバッグに苦労したりする煩わしさがなくなります。
#3. 快適な使用エクスペリエンス
SheetCopilot の Whenネットワーク接続が安定しているため、複数のテーブルの組み合わせ操作を約 10 ステップ行うだけで、数千の行と数十の列を持つテーブルのタスクを迅速に完了できます。これにより、ユーザーの疲れた目から解放されるだけでなく、Web サイトを見つけて手順を 1 つずつ試す無駄な時間を節約し、VBA の学習コストも節約できます。
メソッドの原理
この記事では、テーブル操作に必要なコア関数を一連の仮想 API (アトミック操作と呼ばれます。以下の図を参照) に抽象化します。これらの関数は、LLM A としてソリューションを生成するために使用されます。アプリケーション ソフトウェアとの対話のためのブリッジ。
最も簡単な方法は、LLM の 1 つのクエリでタスクのすべてのステップを生成することです。しかし、タスクの複雑さが増すにつれて、後続のステップは前のステップの実行結果に依存するようになり、この種の開ループ制御では正しい結果を得ることが困難になります。たとえば、フィルタリング後にデータが表示される場所を決定できない場合、LLM は操作の範囲を決定することが困難になります。
効率的な閉ループ制御を実現するために、SheetCopilot はソフトウェア ステータスのフィードバックと外部のアトミック操作ナレッジ ベースに基づいてソリューションを最適化し、成功率と効率を向上させます。
評価方法
この記事では、高品質の評価ベンチマークを提案します。次のワード クラウドに示すように、このベンチマークのタスクにはさまざまな定式化があり、豊富なアトミック操作が含まれます。
このベンチマークは、次のメトリクスを採用しています。成功率 (高いほど良い):
- Exec@1: 生成されたタスク ソリューションの実行成功率。
- Pass@1: タスクの合格率、つまり、実行後に参照回答と一致するソリューションの割合。
このベンチマークでは、次の効率指標も考慮されています (低いほど優れています):
- A50: ミッション要件を満たします。解のステップ数を参照解答の最小ステップ数で割って、すべての計算の中央値が取られます。
- A90: 計算方法は上記と同じですが、すべての計算結果の 90 パーセンタイルが取得されます。この指標は、アクション数の極値分布を反映します。
##表 1: SheetCopilot データ セット GPT の比較3.5-Turbo、GPT-4、Claude、および VBA の生成方法。
当然のことながら、GPT-4 はタスク要件を満たし、効率が最も高いソリューションの割合が最も高く、GPT-3.5-Turbo がそれに僅差で続き、クロードが優勝しました。最も多い回数ですが、GPT-3.5-Turbo にも近いです。注目すべき結果の 1 つは、ユーザーの指示を VBA コードに変換して Excel 上で実行する方法と比較して、SheetCopilot が優れた成功率を達成したことです。これは、SheetCopilot がソフトウェア インテリジェント制御を私たちに大きく近づけ、コンピューターに命令するプログラムを作成できないユーザーでも、日常のコミュニケーションを通じて複雑なタスクを完了できるようにすることを意味します。
以下の各細分カテゴリの指標を通じて、これら 3 つの LLM それぞれの長所と短所を見てみましょう。
結論
SheetCopilot は LLM を使用して、テキスト インターフェイスを介して認識、推論、意思決定の閉ループを形成し、効率的なスプレッドシート制御を実現し、よりスマートなソフトウェア制御を促進します。次のレベルに進むことは、ジェネラリストエージェントに興味のある研究者に新たなインスピレーションをもたらします。以上が需要を管理し、大規模なモデルを使用して問題を解決する: チャート処理アーティファクト SheetCopilot はオンラインですの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ジョン・ロールズの独創的な1971年の著書「正義の理論」で、彼は私たちが今日のAIデザインの核となり、意思決定を使用するべきであるという思考実験を提案しました:無知のベール。この哲学は、公平性を理解するための簡単なツールを提供し、リーダーがこの理解を使用してAIを公平に設計および実装するための青写真を提供します。 あなたが新しい社会のルールを作っていると想像してください。しかし、前提があります。この社会でどのような役割を果たすかは事前にわかりません。過半数または限界少数派に属している、金持ちまたは貧弱、健康、または障害者になることがあります。この「無知のベール」の下で活動することで、ルールメーカーが自分自身に利益をもたらす決定を下すことができません。それどころか、人々はより公衆を策定する意欲があります

ロボットプロセスオートメーション(RPA)を専門とする多くの企業は、繰り返しタスクを自動化するためのボットを提供しています。 一方、プロセスマイニング、オーケストレーション、インテリジェントドキュメント処理スペシャル

AIの未来は、単純な単語の予測と会話シミュレーションを超えて動いています。 AIエージェントは出現しており、独立したアクションとタスクの完了が可能です。 このシフトは、AnthropicのClaudeのようなツールですでに明らかです。 AIエージェント:研究a

急速な技術の進歩は、仕事の未来に関する将来の見通しの視点を必要とします。 AIが単なる生産性向上を超えて、私たちの社会構造の形成を開始するとどうなりますか? Topher McDougalの今後の本、Gaia Wakes:

多くの場合、Harmonized System(HS)などのシステムからの「HS 8471.30」などの複雑なコードを含む製品分類は、国際貿易と国内販売に不可欠です。 これらのコードは、すべてのINVに影響を与える正しい税申請を保証します

データセンターと気候技術投資におけるエネルギー消費の将来 この記事では、AIが推進するデータセンターのエネルギー消費の急増と気候変動への影響を調査し、この課題に対処するための革新的なソリューションと政策の推奨事項を分析します。 エネルギー需要の課題:大規模で超大規模なデータセンターは、数十万の普通の北米の家族の合計に匹敵する巨大な力を消費し、新たなAIの超大規模なセンターは、これよりも数十倍の力を消費します。 2024年の最初の8か月で、Microsoft、Meta、Google、Amazonは、AIデータセンターの建設と運用に約1,250億米ドルを投資しました(JP Morgan、2024)(表1)。 エネルギー需要の成長は、挑戦と機会の両方です。カナリアメディアによると、迫り来る電気

生成AIは、映画とテレビの制作に革命をもたらしています。 LumaのRay 2モデル、滑走路のGen-4、OpenaiのSora、GoogleのVEO、その他の新しいモデルは、前例のない速度で生成されたビデオの品質を向上させています。これらのモデルは、複雑な特殊効果と現実的なシーンを簡単に作成できます。短いビデオクリップやカメラ認知モーション効果も達成されています。これらのツールの操作と一貫性を改善する必要がありますが、進歩の速度は驚くべきものです。 生成ビデオは独立した媒体になりつつあります。アニメーション制作が得意なモデルもあれば、実写画像が得意なモデルもあります。 AdobeのFireflyとMoonvalleyのMAであることは注目に値します

ChatGptユーザーエクスペリエンスは低下します:それはモデルの劣化ですか、それともユーザーの期待ですか? 最近、多数のCHATGPT有料ユーザーがパフォーマンスの劣化について不満を述べています。 ユーザーは、モデルへの応答が遅く、答えが短い、助けの欠如、さらに多くの幻覚を報告しました。一部のユーザーは、ソーシャルメディアに不満を表明し、ChatGptは「お世辞になりすぎて」、重要なフィードバックを提供するのではなく、ユーザービューを検証する傾向があることを指摘しています。 これは、ユーザーエクスペリエンスに影響を与えるだけでなく、生産性の低下やコンピューティングリソースの無駄など、企業の顧客に実際の損失をもたらします。 パフォーマンスの劣化の証拠 多くのユーザーは、特にGPT-4などの古いモデル(今月末にサービスから廃止される)で、ChatGPTパフォーマンスの大幅な分解を報告しています。 これ


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

MinGW - Minimalist GNU for Windows
このプロジェクトは osdn.net/projects/mingw に移行中です。引き続きそこでフォローしていただけます。 MinGW: GNU Compiler Collection (GCC) のネイティブ Windows ポートであり、ネイティブ Windows アプリケーションを構築するための自由に配布可能なインポート ライブラリとヘッダー ファイルであり、C99 機能をサポートする MSVC ランタイムの拡張機能が含まれています。すべての MinGW ソフトウェアは 64 ビット Windows プラットフォームで実行できます。

SublimeText3 英語版
推奨: Win バージョン、コードプロンプトをサポート!

SublimeText3 Linux 新バージョン
SublimeText3 Linux 最新バージョン

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

ホットトピック









