NL2Formula：从自然语言查询生成电子表格公式

在电子表格（如Microsoft Excel和Google Sheets）上编写公式是用户进行数据分析时的普遍做法。然而，对于许多最终用户来说，编写电子表格公式仍然是一项繁琐且容易出错的任务，尤其是在处理复杂操作时。为了减轻编写电子表格公式的负担，本文引入了一个新颖的基准任务NL2Formula，其目标是在给定自然语言（NL）查询作为输入的情况下，生成基于电子表格表的可执行公式。为此，我们构建了一个包含70,799对NL查询和相应电子表格公式的综合数据集，覆盖了21,670个表和37种公式函数类型。我们通过提供一个名为fCoder的序列到序列基线实现来执行NL2Formula任务。实验结果验证了fCoder的有效性，显示其性能优于基线模型。此外，我们还将fCoder与初始GPT-3.5模型（即text-davinci-003）进行了比较。最后，通过深入的错误分析，我们识别了NL2Formula任务中的潜在挑战，并倡导进一步的研究。