SpreadsheetLLM: Codificando Planilhas para Grandes Modelos de Linguagem

Planilhas, com suas extensas grades bidimensionais, vários layouts e diversas opções de formatação, apresentam desafios notáveis para grandes modelos de linguagem (LLMs). Em resposta, apresentamos o SpreadsheetLLM, pioneiro em um método de codificação eficiente projetado para liberar e otimizar a poderosa capacidade de compreensão e raciocínio dos LLMs em planilhas. Inicialmente, propomos uma abordagem de serialização simples que incorpora endereços de células, valores e formatos. No entanto, essa abordagem foi limitada pelas restrições de tokens dos LLMs, tornando-a impraticável para a maioria das aplicações. Para enfrentar esse desafio, desenvolvemos o SheetCompressor, uma estrutura de codificação inovadora que comprime planilhas de forma eficaz para LLMs. Compreende três módulos: compressão baseada em âncoras estruturais, tradução de índice inverso e agregação consciente do formato de dados. Isso melhora significativamente o desempenho na tarefa de detecção de tabela em planilhas, superando a abordagem simples em 25.6% no cenário de aprendizado de contexto do GPT4. Além disso, o LLM ajustado com o SheetCompressor tem uma taxa média de compressão de 25 vezes, mas alcança um impressionante 78.9% de F1 score, superando os melhores modelos existentes em 12.3%. Por fim, propomos a Cadeia de Planilha para tarefas subsequentes de compreensão de planilhas e validamos em uma nova e desafiadora tarefa de QA de planilha. Aproveitamos meticulosamente o layout e a estrutura inerentes das planilhas, demonstrando que o SpreadsheetLLM é altamente eficaz em uma variedade de tarefas relacionadas a planilhas.