Microsoft sviluppa modello AI specifico per fogli di calcolo

Microsoft ha recentemente annunciato l’integrazione del suo assistente AI Copilot in diverse applicazioni software, tra cui l’applicazione per fogli di calcolo Excel. Questa integrazione consente agli utenti di utilizzare i prompt per ottenere assistenza con determinate opzioni.

Tuttavia, un gruppo di ricercatori di Microsoft ha deciso di spingersi oltre, lavorando a un nuovo LLM progettato specificamente per programmi di fogli di calcolo come Excel, Fogli Google e altri.

SpreadsheetLLM: un modello di linguaggio AI su misura per i fogli di calcolo

Il team di ricercatori di Microsoft ha pubblicato un documento di ricerca su Arxiv.org riguardante questo nuovo modello, che ha un nome poco fantasioso: SpreadsheetLLM.

Nel documento, i ricercatori osservano che i fogli di calcolo includono layout e formattazioni diverse e questo può essere un problema per i modelli AI standard, si in termini di limitazioni dei token che di comprensione delle caratteristiche specifiche dei fogli di calcolo, come gli indirizzi e i formati delle celle.

SpreadsheetLLM è stato progettato per affrontare queste sfide e offrire prestazioni migliori nell’elaborazione dei fogli di calcolo. Oltre a SpreadsheetLLM, il team di Microsoft ha sviluppato SheetCompressor, uno strumento che comprime efficacemente i fogli di calcolo in modo che possano essere utilizzati più efficacemente da SpreadsheetLLM.

Risultati promettenti

Gli esperimenti condotti dai ricercatori di Microsoft hanno dimostrato che SpreadsheetLLM è in grado di offrire risultati decisamente migliori con fogli di calcolo più grandi, riducendo al contempo i costi in termini di token fino al 96%. Questi risultati così promettenti aprono la strada a un’elaborazione più efficiente e accurata dei fogli di calcolo con l’aiuto dell’intelligenza artificiale.

Nonostante i progressi tuttavia, il documento di ricerca rileva alcune limitazioni di SpreadsheetLLM. Ad esempio, il modello potrebbe riscontrare difficoltà con fogli di calcolo che utilizzano colori di sfondo e bordi, poiché potrebbero occupare troppi token. Inoltre, SheetCompressor non è attualmente in grado di comprimere le celle che includono il linguaggio naturale.

I ricercatori suggeriscono che la categorizzazione di termini simili sotto un’etichetta unificata potrebbe non solo aumentare il rapporto di compressione, ma anche approfondire la comprensione semantica dei dati da parte dei LLM.