Divide and Prompt: Chain of Thought Prompting for Text-to-SQL

要約

タイトル: Divide and Prompt: Chain of Thought Prompting for Text-to-SQL

要約:

– Chain-of-thought（CoT）プロンプティングは、大規模言語モデル（LLM）と組み合わせて、複雑な推論タスクで高い成果を上げています。
– テキストからSQLに変換するText-to-SQLという任务は、複雑な推論プロセスを伴う重要な意味解析任务ですが、CoTプロンプティングを使用してLLMの推論能力を活性化する研究はほとんどありません。
– 本研究では、Divide-and-Promptという新しいText-to-SQLのプロンプティングパラダイムを提案し、まず任务をサブタスクに分割し、その後、各サブタスクをCoTを通じてアプローチする方法を述べています。
– LLMのText-to-SQL能力を向上させるための3つのプロンプティングベースの方法を提供しています。
– 実験により、これらのプロンプは、LLMをText-to-SQL生成に導き、より高い実行精度を持つものとなります。

要約(オリジナル)

Chain-of-thought (CoT) prompting combined with large language models (LLMs) have achieved encouraging results on complex reasoning tasks. Text-to-SQL is a critical semantic parsing task that converts natural language questions into SQL statements, involving a complex reasoning process. However, there is little work about using CoT prompting to activate LLM’s reasoning capabilities on Text-to-SQL tasks. In this work, we propose a new paradigm for prompting Text-to-SQL tasks, called Divide-and-Prompt, which first divides the task into subtasks, and then approach each subtask through CoT. We present 3 prompting-based methods to enhance the Text-to-SQL ability of LLMs. Experiments show that these prompts guide LLMs to generate Text-to-SQL with higher execution accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI