2026年4月14日 · SpreadsheetAgent
SpreadsheetAgent：企业表格理解从整表塞入模型转向分区读取与验证
2026 年 4 月 14 日提交的 SpreadsheetAgent 论文提出两阶段、多 Agent、多格式表格理解框架；使用 GPT-OSS-120B 时在 SpreadsheetBench 获得 38.16%，高于 ChatGPT Agent 基线的 35.27%。
EVENT STORY
发展脉络
- 首次出现SpreadsheetAgent：企业表格理解从整表塞入模型转向分区读取与验证arXiv cs.AI
- 当前判断企业数据 Agent 的效果取决于模型能力，也取决于能否保留布局语义、控制读取预算并验证中间结构。表格、文档和 BI 工具需要专门的环境与评测。Agent Pulse · 分析
真实企业表格往往规模大、布局复杂，单纯把单元格转成文本既丢失视觉结构，也容易超过上下文窗口。该研究用局部读取、结构草图和验证模块处理大规模表格，为审计、报表和科研数据理解提供更现实的 Agent 路线。
系统先按区域读取代码执行结果、图像与 LaTeX 表格，形成结构草图和行列摘要，再在求解阶段围绕任务选择证据；独立验证模块通过定向检查校正提取结构，减少早期解析错误向后续推理传播。
企业数据 Agent 的效果取决于模型能力，也取决于能否保留布局语义、控制读取预算并验证中间结构。表格、文档和 BI 工具需要专门的环境与评测。
在财务、审计和运营表格中，应优先部署只读理解与异常定位，并要求每个结论回链具体区域和验证步骤，再逐步开放写操作。
当前绝对准确率仍有限，需要验证跨语言、复杂公式、隐藏工作表、权限控制和超大文件中的稳定性，并比较视觉读取带来的额外成本。