본 논문은 대규모 언어 모델(LLM)을 활용하여 스프레드시트 수식 작성을 돕는 연구에 대해 다룬다. 스프레드시트 수식 관련 자료 부족으로 인해 사전 훈련된 모델의 기본 성능 저하 및 미세 조정의 어려움이 발생하는 문제를 해결하기 위해, 수식 말뭉치를 이용하여 다른 모델로 합성 자연어 발화를 생성하여 미세 조정에 활용하는 방법을 제시한다. 특히, 합성 훈련 데이터의 정확성을 평가하는 대리 목표를 사용하여 합성 훈련 예제를 검증하는 것이 미세 조정 성능에 미치는 영향에 대한 실험 결과를 제시하며, 검증을 통해 4개의 모델(오픈 소스 2개, 클로즈드 소스 2개)에서 원시 데이터보다 성능이 향상됨을 보여준다. 흥미롭게도, 검증은 더 어려운 예제들을 제거하는 경향이 있지만, 검증된 데이터로 미세 조정 후 모델이 해결할 수 있는 문제의 복잡성은 증가함을 보여준다.
