微软研究出控制Office新方法

微软研究出控制Office新方法：利用内含大规模语言模型的语义解释器识别用户输入的文本和语音，理解用户自然语言表达的含义，最终用Office产品生成满足这些意图的可执行程序。

语义解释器负责将自然语言的用户文本和语音转换为ODSL程序，这是Office领域的专用语言，用于在Office应用程序中执行操作与内容互动。首先，解释器接收作为输入的自然语言用户话语和相关的文件背景，文档上下文被编码为一个轻量级的JSON树状数据结构，包含与用户话语相关的文档实体、内容和属性。然后，利用ARM分析-检索方法来生成一个以用户话语和文档背景为条件的命令，命令被送入大规模语言模型，它在ODSL中生成一个用户话语的程序命令。

ODSL解释器用AST抽象语法树分析ODSL程序，以验证程序和识别错误；然后AST通过代码修复层，利用特定领域的知识来自动修复程序中的错误。 最后，解释器将ODSL的AST转化为用本地应用API（如Office-JS2）程序接口编写的程序，该程序由Office应用程序执行并实现用户的意图。

研究人员用OpenAI的GPT-3.5模型系列中的text-davinci-003模型以及PowerPoint程序进行了测试，共创建了197个测试案例，比如创建演示文稿、添加新的幻灯片、插入文本内容、修改和改写现有内容、插入图像、格式化文档中的实体等。测试结果表明，用户可以用语音和文字控制PowerPoint，顺利实现上述操作。该研究意味着，用户能够打打字或说说话就能完成办公文档的生成。