محققان به تازگی پلتفرم جدیدی به نام «SpreadsheetArena» را معرفی کردهاند که به طور اختصاصی برای سنجش توانایی مدلهای زبانی (LLM) در تولید و مدیریت فایلهای اکسل طراحی شده است.
از آنجایی که ساختِ یک اکسل استاندارد و کاربردی، نیازمند رعایت اصول ساختاری و منطقی پیچیدهای است، این ابزار با استفاده از «رایگیری کور» به مقایسه عملکرد مدلها میپردازد. نتایج اولیه نشان میدهد که حتی مدلهای پیشرفته هم هنوز در رعایت استانداردهای تخصصی (بهویژه در حوزه مالی) با چالشهای جدی روبرو هستند. این پلتفرم جدید میتواند نقطه عطفی برای بهبود هوش مصنوعی در محیطهای کاری و دفتری باشد. 📈🤖
منبع: arXiv AI