厉害了！北大3位硕博生搞出ChatGPT版Excel！动动嘴就能自动处理表格……免费用！...

来源：量子位

做Excel表，真就动动嘴就够了！

看，输入想要干的事：给学生成绩排个名吧。

简单敲个回车，表格唰一下就列好了！

检查一遍也没错。

还能跨表格处理。

比如标记出两张不同表格中排名都在前十的学校。

哦豁，还有点超越ChatGPT？

毕竟给ChatGPT提出类似的要求，它只能帮我写出对应的代码，操作还得自己手动来。

这就是最近在知乎上引起关注的AI工具ChatExcel，一发布就登上了热榜。

它主打用对话的形式实现Excel复杂操作（Chat-to-Excel），告别记函数、手动设置公式。

做好的成品，支持一键导出成标准Excel表格，连复制粘贴这道工序都省了。

而且不用注册、网页上就能用、不限使用次数！相当利好懒人和Excel小白。

甚至懂Excel技能的人都感慨，自己会的这些是不是要没用了。

这就是由北京大学深圳研究生院/信息工程学院3位硕博生，独立开发的项目。

目前已开放Demo供大家试玩。

看到这可能很多人都以为，“这又是一个受到ChatGPT影响开发的项目嘛”。

还真不是。

GitHub项目上的第一个commit是在22年3月就提交了。

而背后真正的契机——

其实是团队中一位小哥，想用技术帮女票解决点工作中的小烦恼啦。

这到底咋回事？量子位联系了主创团队，来一一给大家揭秘~

ChatExcel表现如何？

咳咳，别人女票的事稍后再谈，咱们先来看看ChatExcel的表现到底咋样。

总体来说，它想做的事就是跳过学习Excel、跳过写函数公式，直接把脑子里的需求变成表格里的内容。

团队在知乎首发产品时，用了一张图做解释：

老规矩，我们来上手体验下。

进入主页面后，网站默认展示demo，点击UPLOAD就能上传自己的表格。格式需要是标准Excel文件。

我们找隔壁ChatGPT生成了一份学生成绩单，让ChatExcel进行计算操作。

主要测试了需要插入函数的Excel操作。比如：

给总分在255以上的人标记为A，总分在240-255的人标记为A-，总分在210-240的人标记为B。

打完内容，敲一下回车，它就开始处理了。

假如老师想知道谁是单科第一呢？输入：

找到表格中数学成绩最高分的人。

然后，它就生成了一个新的界面，里面只有最高分童鞋。

如果还想对表格进行其他操作，点一下页面中的“UNDO”，它就能返回到操作前的表格了。

我们还让它对表格中的学生进行成绩排名、并列出名次，ChatExcel都没有出错。

除此之外，它还能连续完成任务。

比如想在表格里增加一栏平均分，可以先要求它增加一列：

再进一步输入需求，让它把计算好的结果填进去：

最后得到的表格，点击“DOWNLOAD”，即可导出为普通的Excel表格。

体验下来，感觉ChatExcel主要有两大特点：

• 连贯性

• 准确性

比如之前也有帮人生成Excel公式的工具，excelformulabot能实现这一功能，但它是独立在表格外的，需要自己把单元格带入到给出的公式了。

如果是具体一些的描述，还会出现给不出公式的情况。

而对比ChatGPT来说，ChatExcel计算的准确性更突出。

比如计算同一个表格的平均数，ChatGPT不是弄错到底有多少个人，就是计算的时候带错数字，反复纠正都救不回来……

所以，ChatExcel是怎么做到的？背后原理到底如何？

把“乙方思想”贯彻到底

ChatExcel的原理一言以蔽之，就是直接把“大白话指令”转换成类似于VBA这样的程序语言，然后再执行程序。

底层基于Transformer架构，基本技术路线就是无监督训练+具体场景微调。

但NLP模型搞数学，一直都很容易出错，强大如ChatGPT都很难避免。

为此，团队在训练模型的过程中，将重点放在了符号逻辑上，期间还有意引入了一些逻辑符号的新知识。

由此我们也看到，它在计算上出错的概率并不高。

除了数学能力出众之外，ChatExcel最大的一个特点就是持续交互。

这是因为ChatExcel每次的生成结果，都是基于用户提出的新需求+上一轮生成的表格。对模型的理解力及运算其实提出了更高的要求。

为什么要实现这一功能？

团队介绍说，如Dall·E、ChatBCG等AI工具，完成任务的方式都是单次不持续的。但在人们的实际使用过程中，想法是一步步推进的。

举例来说，用户和ChatExcel之间的关系就好比甲乙双方，ChatExcel是乙方，用它处理表格的我们就相当于甲方：

要求只管提，改到满意为止。（Doge）

同样，这个乙方思维也体现在开发团队自己身上。

Demo发布后，很多人跑来围观、试用和提建议。最常出现的反馈是，ChatExcel有点理解不了提出的要求，需要重新措辞调整。

对于这些情况，团队先阐明态度：建议我们全盘接收。

同时也进一步解释了原因，目前开放的demo还不是很完善。

这一方面是为了看看大家的反馈做进一步优化；另一方面，也是希望收集更多的语料，让模型之后能更聪明一些。

比如，有人就提出：

既然都已经有“undo”（撤销）操作，什么时候可以把它处理表格的过程显示出来。

还有人附议，表格数据太多就很难检查它是否处理正确：

提高ChatExcel执行任务的透明度，方便检查错误。

对于这些建议，团队和我们说，他们已经在开始着手调整了。

比如很多人反馈的语言理解问题，他们打算之后在对话框下根据用户的输入，推荐一些标准操作语句，大家直接选择就可以了，不用自己研究措辞，有点现在AI客服那味儿。

除此之外，还有这些功能也在开发的路上了：

• 表格上传格式更加兼容

• 展示ChatExcel处理表格的具体过程，更加透明化
  ……

以及ChatExcel更加具体的原理介绍，之后也会在官网以博客的形式发布。

甚至包括代码，也会进行开源。

受到女票启发，把业余项目做成正式课题

说来ChatExcel的诞生，也是相当因吹斯听了。

它受启发于团队成员的女票、导师立刻拍板认可、把业余项目做成正式课题……

这还要从Kid和CY拉起小团队说起。

他们都来自北京大学深圳研究生院信息工程学院袁粒老师的课题组，已经是准博了，还有一位成员正在读硕士。

作为机器学习的基础理论研究者，他们日常和论文打交道更多。

为啥突然从理论研究转向应用？

这还得从Kid的女票说起。

他说自己的女朋友是一位中学信息老师，日常工作中经常需要帮年纪大的老师处理Excel表格问题。

为了帮女朋友多分担一点工作（bushi） ，当然也看到确实有很多人深受Excel复杂操作困扰，Kid就萌生了试试看的想法。

我觉得Excel公式的使用，多少还是需要编程思维的，这对于很多人、尤其是不擅长电脑操作的人来说，很不友好。而拿着工具书从头啃，也确实比较麻烦。

当时正值OpenAI的Copilot大火，看到AI在提升生产力上大有可为，他就拉着CY一起，打算仔细研究研究这事儿。

但事情前期，并没有想象中顺利。

一方面，它刚开始只是个业余项目，大家都是抽空来做。

另一方面，团队在技术路线上也做过重大调整。

最初，他们觉得ChatExcel应该是往判别式模型那块儿走的，于是就顺着这一思路推进，但没想到：

前期处理工作量太大，需要引入非常非常多的符号逻辑，数据要求很高。

这对于小团队来说基本上是致命的，因为数据量意味着人力物力时间成本都会飙高。

没有办法，Kid和CY就坐下来重新复盘这件事：

我们想到李沐老师发过一个视频，讲“BERT和GPT之争”，我们最初都觉得BERT各种指标表现更好。GPT呢，有点摸不清它想干啥。

但仔细一想，从任务本身的需求来看，生成式才是我们真正想要的东西。

加之去年OpenAI一系列生成式工作开始大火（如Copilot、Dall·E），两个人最后决定，推翻原有思路，重新从生成式模型做起。

明确了技术路线，后续推进也就更顺了。

加上这项工作还得到了导师袁粒的认可和支持，团队在资源和经费上也更充裕了一些。

（p.s.但团队也和我们解释说，目前其实还不能负担太多成本，运行速度会受到影响、一些命令行识别也还存在问题）

不管怎样，历经1年时间，ChatExcel终于发布demo。

但这只是计划的第一步。

团队表示，接下来还将对产品做更多迭代升级，并会开源代码、揭秘背后技术。

对于ChatExcel的定位，他们坚持“小而美”。

Kid介绍说，大模型的确是当下的趋势，如OpenAI、百度等都在通用大模型领域不断推进成果。但他们认为，在一些子任务领域上，模型的能力还有待提升，这可能会是未来的一个趋势。

由此，他们目前会更加专注于模型特定场景下的能力提升。

至于长远目标，团队希望打造一个“Chat生态”、交互式AIGC。

终极“Chat生态”（幻想版）大概会长这样：

而回到ChatExcel本身，团队表示的确有商业化的考虑，但会是To B层面的。

（听说demo一发布就已经有不少公司联系他们了）

在To C这边，会坚持公益开放的形式，人人都能用。

而回看整个开发过程，Kid和CY的很多感受都记忆犹新。

比如看到ChatGPT做表格大火后，他们又惊又喜。

“惊”，是因为开始担忧会不会有很多同类产品出来？自己的项目没有生存余地了？

Kid说自己看到这些新项目不断涌出后，晚上都要睡不着觉了。

“喜”，则是因为觉得自己的想法和趋势发展一致，这也是一种肯定。

至于项目本身，他们的态度非常坦然，问题全盘接受，但对自己的成果也很有自信。

我们现在依旧觉得自己的方案很“优雅”。

感觉做理论的人转来做应用，总是能想到一些奇怪的思路hhh。

（应受访者要求文中Kid、CY为化名）

传送门：
https://chatexcel.com/

参考链接：

1、https://www.zhihu.com/question/586673687

2、https://zhuanlan.zhihu.com/p/607997627

版权声明

本文来源：量子位，版权属于原作者，仅用于学术分享

本文仅做学术分享，如有侵权，请联系删文。

点击进入—>3D视觉工坊学习交流群

干货下载与学习

后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域精品课程

3D视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
2.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
3.国内首个面向工业级实战的点云处理课程
4.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
5.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
6.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
7.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

8.从零搭建一套结构光3D重建系统[理论+源码+实践]

9.单目深度估计方法：算法梳理与代码实现

10.自动驾驶中的深度学习模型部署实战

11.相机模型与标定(单目+双目+鱼眼）

12.重磅！四旋翼飞行器：算法与实战

13.ROS2从入门到精通：理论与实战

14.国内首个3D缺陷检测教程：理论、源码与实战

15.基于Open3D的点云处理入门与实战教程

16.透彻理解视觉ORB-SLAM3：理论基础+代码解析+算法改进

17.机械臂抓取从入门到实战

重磅！粉丝学习交流群已成立

交流群主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、ORB-SLAM系列源码交流、深度估计、TOF、求职交流等方向。

扫描以下二维码，添加小助理微信（dddvisiona）,一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿，微信号：dddvisiona

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、源码分享、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答等进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，6000+星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看，3天内无条件退款

高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~