FormulaSPIN：自然语言到电子表格公式生成的自博弈微调

电子表格应用被全球数亿人使用，但写公式仍是显著障碍。现有方法依赖静态监督数据，在有限标注上很快饱和。本文提出FORMULASPIN，一个打破监督微调上限的自博弈框架：无需任何额外数据即可迭代自我改进。原版SPIN在该任务上失效：它一律惩罚每个不匹配的输出，导致执行等价的备选在一个样例中被当作负例惩罚、在另一个样例中却是真值，产生矛盾梯度。我们的框架利用公式生成的独特优势解决该问题：二元可执行性提供隐式监督，把语义错误与有效的风格变体分开。我们把训练表述为双人博弈：主玩家学会偏好真值公式胜过其先前版本的输出，而执行反馈把输出分入不同粒度——实现从语义正确到风格精炼的自适应课程。为进一步提高准确率，我们纳入ExecVote——一个语义级投票机制，自然处理多个有效表述。多基准实验显示FORMULASPIN取得最先进表现：NL2FORMULA上精确匹配74.9%、执行准确率87.1%，匹敌用额外偏好标注训练的模型，同时超过传统SFT与前沿专有模型。这些发现凸显自博弈应对稀缺数据任务的潜力，并为把它扩展到可执行域之外打开大门。