May 21, 2026 · Spreadsheet-RL
Spreadsheet-RL：表格 Agent 从提示工程转向真实 Excel 环境强化学习
2026 年 5 月 21 日提交的 Spreadsheet-RL 构建真实 Microsoft Excel 多轮强化学习环境与金融、供应链任务集；论文报告 Qwen3-4B-Thinking-2507 在 SpreadsheetBench 的 Pass@1 从 12.0% 提升到 23.4%，在 Domain-Spreadsheet 上从 8.4% 提升到 17.2%。
EVENT STORY
Development
- First ReportSpreadsheet-RL：表格 Agent 从提示工程转向真实 Excel 环境强化学习arXiv cs.AI
- Current Assessment办公 Agent 的竞争会从演示式界面操作转向任务环境、可验证奖励和垂直训练数据；金融与供应链表格可能成为最早形成专用 Agent 的企业入口。Agent Pulse · analysis
电子表格是企业最普遍的数据工作界面之一，但通用模型加提示在多步骤操作中仍不稳定。该研究把真实文件、工具路由、任务结果和强化学习连接起来，代表办公 Agent 开始走向专门训练。
框架包含从公开论坛构造起始表格与目标表格的数据流水线、可覆盖 Excel 功能的 Python 沙箱、细化的工具路由规则和多轮 Spreadsheet Gym，并通过可执行结果对策略进行强化学习。
办公 Agent 的竞争会从演示式界面操作转向任务环境、可验证奖励和垂直训练数据；金融与供应链表格可能成为最早形成专用 Agent 的企业入口。
企业应先选择可回滚、结果可校验的表格流程训练与评测 Agent，并把人工复核、失败恢复和每个正确任务成本纳入 ROI。
尽管相对提升显著，绝对通过率仍低于生产要求；需要验证复杂公式、外部数据、权限控制、错误恢复和跨版本 Excel 的可靠性。