SQLCritic: Correcting Text-to-SQL Generation via Clause-wise Critic

要約

テキスト間システムの最近の進歩により、自然言語クエリのSQLへの変換が改善されましたが、正確性と信頼性を確保することには課題が残っています。
自己修正技術は出力を改良しますが、多くの場合、新しいエラーを導入します。
実行フィードバックに焦点を当てた既存のメソッドは、主に構文の問題に対処し、クエリのロジックがユーザーの意図と一致しない場合、セマンティックエラーを残しています。
構造化された実行フィードバックと、詳細で解釈可能な批評を提供する訓練された批評家エージェントを組み合わせた新しいアプローチを提案します。
この方法は、構文エラーとセマンティックエラーの両方を効果的に識別および修正し、精度と解釈性を向上させます。
実験結果は、2つの主要なテキストからSQLのベンチマーク、クモと鳥の大幅な改善を示しており、アプローチの有効性を示しています。

要約(オリジナル)

Recent advancements in Text-to-SQL systems have improved the conversion of natural language queries into SQL, but challenges remain in ensuring accuracy and reliability. While self-correction techniques refine outputs, they often introduce new errors. Existing methods focused on execution feedback mainly address syntax issues, leaving semantic errors — where the query’s logic fails to align with the user’s intent — largely unaddressed. We propose a novel approach combining structured execution feedback with a trained critic agent that provides detailed, interpretable critiques. This method effectively identifies and corrects both syntactic and semantic errors, enhancing accuracy and interpretability. Experimental results show significant improvements on two major Text-to-SQL benchmarks, Spider and BIRD, demonstrating the effectiveness of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google