／微軟

在該研究所描繪的SpreadsheetLLM流程中，是以SheetCompressor結合各種不同的大型語言模型來理解試算表，再針對試算表的各種下游任務進行推論。

研究人員指出，SpreadsheetLLM為處理及理解試算表的重大進步，它有效地解決了尺寸帶來的挑戰，以及試算表固有的多樣與複雜性，可大幅減少所需的Token及運算成本，而能在大型資料集上進行實際的應用，對各種LLM的微調更可進一步提高對試算表的理解能力。至於用來擴充SpreadsheetLLM框架的Chain of Spreadsheet則展現了未來的應用潛力，也將帶來更有效與更聰明的使用者互動性。