स्प्रेडशीट्स ही आपको चाहिए
Excel फ़ाइल के भीतर एक पूर्ण GPT‑2 small language model लागू करने ने spreadsheets को केवल एक business tool नहीं, बल्कि एक शक्तिशाली, visual programming environment के रूप में देखने में फिर से रुचि जगा दी है। Commenters बताते हैं कि यह 1.25 GB, inference-only model transformers और LLM internals को learners के लिए कहीं अधिक tangible बनाता है, जबकि साथ ही Excel की size और locale सीमाएँ, web/LibreOffice support की कमी, और छोटा context window जैसी व्यावहारिक समस्याएँ भी उजागर करता है। यह project इस पर व्यापक विचार को जन्म देता है कि rapid prototyping और end-user computation के लिए spreadsheets कब आदर्श हैं, और कब teams को अधिक maintainable, conventional software systems की ओर बढ़ना चाहिए।
प्रोजेक्ट और कार्यान्वयन
- यह शीट GPT‑2 “small” को पूरी तरह Excel में लागू करती है, मुख्यतः एक शिक्षण उपकरण के रूप में ताकि यह दिखाया जा सके कि transformers कैसे काम करते हैं।
- फ़ाइल आकार लगभग 1.2–1.25 GB है और वर्तमान में केवल लगभग 10 tokens को बहुत छोटे context window के साथ संभालती है।
- यह केवल inference के लिए है और इसमें instruction tuning / RLHF तथा अन्य refinements नहीं हैं जो एक base LLM को modern chatbot में बदलते हैं।
- एक GitHub repo है और embeddings सहित और वीडियो बनाने की योजनाएँ हैं; Python-in-Excel PCA और SVD जैसी चीज़ों में मदद कर सकता है।
प्रोग्रामिंग / apps के रूप में स्प्रेडशीट्स
- कई commenters कहते हैं कि spreadsheets उनका default prototyping या यहाँ तक कि production tool हैं: loan tracking, real-estate calculators, और internal tools से लेकर पूरी कंपनियों और trading desks तक।
- स्प्रेडशीट्स को कम friction वाला, visual functional programming environment और यहाँ तक कि dataframes का “grandfather” भी कहा गया है।
- एक बार-बार दिखने वाला तनाव है: spreadsheets बेहद flexible हैं और तेजी से iterate की जा सकती हैं, लेकिन “hairballs” बन सकती हैं जिन्हें maintain करना मुश्किल हो जाता है; इसके बाद teams अधिक rigid internal systems की ओर migrate करती हैं और flexibility खो देती हैं।
Excel skills और best practices
- कई लोग, खासकर finance contexts में तकनीकी भूमिकाओं के बावजूद, कमजोर Excel skills स्वीकार करते हैं और पूछते हैं कि कैसे सुधारें।
- सुझाव: वास्तविक tools बनाकर सीखें, अच्छे sheets को reverse-engineer करें, docs और books का उपयोग करें, और step-by-step मदद के लिए LLMs पर भरोसा करें।
- ठोस सुझाव: hardcoded numbers से बचें, colored input cells का उपयोग करें, absolute/relative references के लिए F4 में महारत हासिल करें, data को presentation से अलग रखें, VLOOKUP की जगह INDEX/MATCH इस्तेमाल करें, array formulas, LET/LAMBDA, named ranges, और basic VBA/SQL का लाभ उठाएँ।
Visual programming और research context
- एक लंबा subthread तर्क देता है कि spreadsheets एक प्रमुख, व्यापक रूप से deployed visual programming language हैं।
- दिए गए कारण: visible data की direct manipulation, 2D layout, implicit dependency graph, immediate feedback, और explicit variables से बचाव।
- दूसरे लोग यह कहते हुए प्रतिवाद करते हैं कि formulas ज़्यादातर छिपे रहते हैं, इसलिए वे “boxes-and-arrows” मानसिक मॉडल से मेल नहीं खाते; लेकिन इसका उत्तर “visual” की एक व्यापक परिभाषा के साथ दिया जाता है जो code display की बजाय interaction style पर केंद्रित है।
Tooling, scale, और limitations
- Excel के locale issues सामने आते हैं: function names और CSV separators भाषा के अनुसार बदलते हैं; portability समस्याग्रस्त है।
- यह sheet LibreOffice या web Excel में काम नहीं करती क्योंकि size limits हैं; Google Sheets पूरे model को समा नहीं सकती।
- Alternative spreadsheet-like backends (जैसे Arrow-based, Row Zero) और GPU/distributed execution को इस paradigm को scale करने के तरीकों के रूप में चर्चा की जाती है।