🤖 AI

SheetCompass: Hierarchical Relation Graphs for Agentic Spreadsheet Reasoning

SheetCompass 是一个基于图引导、记忆驱动的智能体框架，它通过显式建模工作表内外的层级结构关系与空间上下文，解决了现有基于大语言模型的电子表格推理能力的局限性，从而实现对复杂工作簿更有效的自动化。

原作者： Panjing He, Mingyue Cheng, Yucong Luo, Li Li, Xiaohan Zhang

发布于 2026-08-17

📖 1 分钟阅读☕ 轻松阅读

原作者： Panjing He, Mingyue Cheng, Yucong Luo, Li Li, Xiaohan Zhang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

数字电子表格之谜

想象一下，你正试图教一个超级聪明的机器人如何阅读一份杂乱的多页电子表格。在人工智能的世界里，这有点像要求一名侦探通过阅读一本被撕碎并打乱顺序、最后被拼成一行的单词列表来破解犯罪案件。电子表格非常特殊，因为它们不仅仅是数据的列表；它们是视觉化的地图。它们拥有行、列，以及不同页面之间隐藏的联系，这些联系讲述着关于金钱、销售或库存的故事。对于人类来说，观察电子表格就像扫描城市地图：你会瞬间看到“销售”街是如何连接到“价格”大道的。但对于大语言模型（LLGLM）——即那些会写诗和回答问题的 AI——电子表格往往是一场噩梦。当我们把电子表格喂给这些模型时，我们通常会将它“压平”成一段长文本，就像把一座 3D 建筑变成一张扁平的纸。在这个过程中，我们丢失了数据的“位置”和“逻辑”。机器人会忘记左上角的数字属于右下角的某个类别，或者忘记两个不同的工作表实际上是在相互对话。这篇题为《SheetCompass》的论文提出了一个简单但至关重要的问题：我们如何教会 AI 重新看到地图，而不仅仅是阅读单词列表？

论文的故事：为 AI 构建指南针

来自中国科学技术大学的研究人员意识到，问题不在于 AI 不够聪明，而在于 AI 看待电子表格的方式不对。他们认为，将电子表格视为简单的文本文档，剥夺了使其发挥作用的结构性特征。为了解决这个问题，他们构建了一个名为 SheetCompass 的新系统。不要把 SheetCompass 想成一个只会阅读的机器人，而要把它想象成一个由三名专家组成的探险队，他们正带着一张定制的地图协同工作。

首先，团队必须解决“扁平化文本”的问题。SheetCompass 没有向 AI 输入一段混乱的长段落，而是将电子表格转化为一个层级图（hierarchical graph）。想象一下，电子表格是一个堆满家具的凌乱房间。传统方法试图通过用一句话描述房间里的所有物体来描述它：“椅子，桌子，灯，椅子，桌子……”然而，SheetCompass 构建的是房间的 3D 模型。它为整个表格创建一个“表格节点（Table Node）”，为表头创建“列节点（Column Nodes）”，然后画线将它们连接起来。它甚至在看起来不同但含义相同的列之间绘制特殊的“语义线”（例如，一张表上的“价格”与另一张表上的“成本”），即使它们相距很远。这创造了一个稳定的、结构化的骨架，让 AI 可以进行导航而不会迷失方向。

但仅仅拥有地图是不够的；探险家们需要知道如何使用它。SheetCompass 引入了一个**双层记忆（dual-level memory）**系统。记忆的一部分就像是一个专家规则库（专家知识），教导 AI 诸如“不要删除行，只需隐藏它们”或“如何计算透视表”之类的知识。另一部分则是过去的错误日记（推理经验），系统会记住之前尝试中的错误，从而避免重复同样的错误。这就像一个学生不仅拥有教科书，还保留着一份自己的错题集。

最后，该系统引入了多智能体团队（multi-agent team）。与其让一个 AI 尝试完成所有工作，SheetCompass 将任务拆分为三个角色：

导航员（探索者/Navigator）： 这个智能体观察图谱地图，寻找正确的列和表格，并确定解决问题所需的步骤顺序。
构建者（程序员/Builder）： 这个智能体获取计划，并编写实际的代码来进行数学运算或创建图表，确保它严格遵循地图，以免编造虚假数据。
检查员（反思者/Inspector）： 这是安全卫士。代码运行后，检查员会根据清单检查结果。如果数学计算看起来很奇怪（例如，从巨大的价格中减去一个微小的十进制小数），检查员会停止过程，说“等等，这不合理”，并将团队送回以进行修正。

研究发现

研究人员在几个具有挑战性的数据集上测试了 SheetCompass，这些数据集包含了包含多个表格和复杂指令的复杂电子表格。他们将新系统与包括直接编写代码或使用简单智能体循环在内的其他流行 AI 方法进行了对比。结果非常明确：SheetCompass 在第一次尝试时就能正确完成任务的成功率显著更高。

在测试中，当使用强大的 AI 模型（GPT-4）时，SheetCompass 在一个主要的基准测试（SCB）中达到了 63.2% 的成功率，击败了排名第二的方法（其成功率为 61.1%）。在另一个要求 AI 在一系列试验中通过每一项检查的严苛测试（SB）中，SheetCompass 将成功率提升到了 18.3%，相比之前最好的 13.5% 有了巨大飞跃。当他们使用更先进的模型（GPT-5）时，差距进一步扩大，SheetCompass 在 SCB 基准测试中达到了 71.3%，在困难的 SB 测试中达到了 22.0%。

论文还进行了“消融实验（ablation studies）”，这就像拆解一台机器以观察哪个部件最重要。他们发现，如果移除图谱地图，系统的性能会大幅下降，这证明了地图是最关键的部分。他们还发现，检查员（反思者）至关重要；如果没有它，系统会因为无法捕捉自身的错误而犯更多错误。

为什么这很重要

作者认为，让 AI 精通电子表格的关键不在于让 AI 变得更聪明，而在于给它一种更好的观察数据的方式。通过将扁平文本转化为结构化图谱，并使用专门的智能体团队互相检查工作，SheetCompass 弥合了人类阅读表格的自然方式与计算机处理信息方式之间的鸿沟。这篇论文并不声称已经解决了世界上所有的电子表格问题，但它表明，这种“结构感知”结合“协作推理”的新方法是一个强大的前进方向。它表明，为了让 AI 真正掌握我们日常使用的杂乱、现实世界的工具，它需要停止阅读列表，开始阅读地图。

技术摘要：SheetCompass

问题陈述

自动化电子表格推理仍然是大型语言模型（LLM）面临的一个显著瓶颈，特别是在处理复杂的现实世界工作簿时。虽然 LLM 在语义理解方面表现出色，但由于普遍存在的“信息扁平化范式”，其性能在处理电子表格时会剧烈下降。现有的方法通常将多维网格序列化为线性字符串（例如 Markdown 或 JSON），这从根本上剥离了：

表内拓扑结构（Intra-sheet Topology）： 行与列的正交定位系统被破坏，导致复杂的布局在 Token 流中失去了空间邻近性。
表间语义（Inter-sheet Semantics）： 不同工作表之间隐含的数据依赖关系和业务逻辑被掩盖，使关键的对应关系（例如成本表与价格表之间的联系）破碎成孤立的文本片段。

这种扁平化造成了与电子表格视觉化、网格化本质之间的不匹配，阻碍了 LLM 利用人类专家用于快速扫描和逻辑对齐的空间线索。因此，模型在重建动态数据流方面表现困难，导致跨表推理任务中的结构性错位。

方法论：SheetCompass 框架

为了解决这些局限性，作者提出了 SheetCompass，一个由图引导且具备记忆驱动能力的智能体框架。其核心理念是将原始表格数据转化为结构化的证据空间，以引导智能体的规划、执行与反思。该框架由三个主要部分组成：

1. 分层关系图构建

不同于线性序列，SheetCompass 将电子表格建模为一个分层图 $G = (V, E)$ ，以保留结构依赖性。

节点层级： 图将顶点组织为两层层级：表节点（代表工作表）和列节点（代表与样本数据条目配对的表头）。这避免了密集的单元格级建模，同时捕捉了语义身份。
边类型：
- 结构边 ( $E_{str}$ )： 从布局中确定性地提取，用于定义物理边界。这些边包括包含边（将表连接到列）和相邻边（水平连接相邻列）。
- 语义边 ( $E_{sem}$ )： 动态构建，用于连接不同工作表中相关的列，即使它们在空间上相距甚远。这是通过计算空间-语义相似度（通过预训练 Transformer）和逻辑关系验证（通过 LLM 检查主键/外键逻辑）的综合得分来实现的。置信度阈值用于过滤低质量的连接。

2. 双层记忆机制

为了增强智能体的可靠性并支持长程任务，SheetCompass 采用了两套记忆系统：

专家知识记忆（Expert Knowledge Memory）： 一个静态仓库，包含领域知识（程序化规则、常用公式）和工具使用知识（历史代码执行日志、错误根因及修复方案）。这提供了一个稳定的认知基准，以防止幻觉。
推理经验记忆（Reasoning Experience Memory）： 当前推理会话的动态短期记录。它记录了诸如图遍历路径、沙盒错误消息和状态不匹配等情景细节。至关重要的是，来自该记忆的成功轨迹和高价值教训会被定期提炼到长期的专家知识记忆中。

3. 多智能体工作流

该框架协调三个专门的智能体，在闭环中处理感知、执行与验证：

导航探索者（Navigational Explorer）： 将高层指令分解为原子步骤。它利用分层图进行拓扑感知，通过语义相似度过滤和广度优先搜索（BFS）提取相关的子图，从而锚定目标并减少上下文长度。
逻辑程序员（Logical Programmer）： 充当受限的代码生成器。它将探索者的步骤转化为可执行的 Python 脚本，严格遵循图中经过验证的节点集，以确保所有变量都锚定在正确的物理布局上。
批判性反思者（Critical Reflector）： 实现状态检查反馈机制。它将用户指令转化为检查清单，并在代码执行后验证电子表格的元数据状态。如果发现差异，它会生成诊断说明，以触发探索者和程序员的迭代优化。

核心贡献

论文声称了三项主要贡献：

结构-推理桥接： 提出了 SheetCompass，它有效地桥接了结构空间感知与多智能体推理，克服了传统扁平序列固有的信息丢失问题。
分层上下文图： 引入了一种既能保留表内空间布局，又能保留表间语义链接的图结构，并结合双层记忆系统和协同的多智能体工作流，以保证高保真度的执行。
实证验证： 通过广泛的实验证明，SheetCompass 在复杂的电子表格基准测试中达到了最先进的性能，证实了结构化和语义化跨表推理的关键影响。

实验结果

该框架在三个基准测试上进行了评估：SCB (SheetCopilotBench)、SB (SpreadsheetBench) 和 SheetRM。

性能： SheetCompass 在所有指标上均一致优于强力的基线模型（包括 Binder、VBA 生成、OS-Copilots、SheetCopilot 和 SheetAgent）。
- 在 SCB 上，它实现了 63.2% 的 Pass@1 (基于 GPT-4) 和 71.3% (基于 GPT-5)，大幅超越了表现最好的基线。
- 在 SB 上，它实现了 22.0% 的硬限制（Hard Restriction） 得分 (GPT-4) 和 24.7% (GPT-5)，比最强的基线分别实现了 6.4% 到 6.9% 的绝对提升。
- 在 SheetRM 上，它达到了 43.5% 的 Pass@1 (GPT-4) 和 52.3% (GPT-5)。
消融研究： 移除分层图会导致性能大幅下降（例如在 SCB 上 Pass@1 下降了 -14.9%），证实了结构化落地是基础。同样，禁用多智能体工作流或双层记忆也会导致性能显著退化，验证了协作执行与记忆保留的必要性。
复杂度分析： 与单表场景相比，SheetCompass 在多表场景中展现了卓越的鲁棒性。当涉及跨表操作时，基线模型的性能大幅下降，而 SheetCompass 保持了高准确率，这归功于其利用语义边追踪跨表依赖的能力。

意义与主张

论文将 SheetCompass 定位为解决线性文本处理与电子表格视觉化、网格化设计之间根本不匹配问题的解决方案。通过利用分层图显式建模“内在网格属性”，该框架允许下游智能体在不丢失空间上下文的情况下导航多维空间。

作者声称，这种方法通过实现高保真度的电子表格自动化，解决了工业生产力中的一个主要瓶颈。这项工作为下一代企业级工具奠定了可扩展的基础，使其超越了简单的模式匹配，转向能够处理复杂、非线性数据依赖关系的鲁棒、可解释且具备自我修复能力的推理系统。该框架通过其闭环认知集合实现从错误检测到逻辑自我修复的转变，这一能力被视为智能体推理领域的一项关键进展。