InstructExcel: Excelにおける自然言語指示のベンチマーク

要旨

大規模言語モデル（LLM）の進化に伴い、スプレッドシートを含む様々なドメインにおいて、ますます複雑な自然言語処理（NLP）タスクを解決できるようになってきています。本研究では、LLMが自然言語によるユーザー指示からExcel固有のタスクを解決するコード（Excel OfficeScripts、Excelで多くのタスクを実行するためのTypeScript API）を生成できるかどうかを調査します。そのために、Excelの「Automate」機能を活用してユーザーの操作から自動的にOfficeScriptsを生成し、新たな大規模ベンチマーク「InstructExcel」を導入しました。このベンチマークには、2,000以上の公開されているExcelスプレッドシートにわたる170以上のExcel操作をカバーする10,000以上のサンプルが含まれています。ゼロショットや少数ショットの様々な設定での実験により、InstructExcelがGPT-4のような最先端モデルにとっても難しいベンチマークであることが示されました。観察された結果として、(1) GPT-3.5ではなくGPT-4を使用すること、(2) より多くの文脈内の例を提供すること、(3) 動的なプロンプティングを行うことが、このベンチマークでのパフォーマンス向上に役立つことがわかりました。

English

With the evolution of Large Language Models (LLMs) we can solve increasingly more complex NLP tasks across various domains, including spreadsheets. This work investigates whether LLMs can generate code (Excel OfficeScripts, a TypeScript API for executing many tasks in Excel) that solves Excel specific tasks provided via natural language user instructions. To do so we introduce a new large-scale benchmark, InstructExcel, created by leveraging the 'Automate' feature in Excel to automatically generate OfficeScripts from users' actions. Our benchmark includes over 10k samples covering 170+ Excel operations across 2,000 publicly available Excel spreadsheets. Experiments across various zero-shot and few-shot settings show that InstructExcel is a hard benchmark for state of the art models like GPT-4. We observe that (1) using GPT-4 over GPT-3.5, (2) providing more in-context examples, and (3) dynamic prompting can help improve performance on this benchmark.

InstructExcel: Excelにおける自然言語指示のベンチマーク

InstructExcel: A Benchmark for Natural Language Instruction in Excel

要旨

Support