Metodo Multi-Agente NL2SQL Raggiunge l'78,1% di Accuratezza sul Benchmark BIRD
Un nuovo metodo multi-agente per la conversione da linguaggio naturale a SQL (NL2SQL) ha raggiunto l'78,1% di accuratezza semantica sul benchmark BIRD, come dettagliato in un articolo su arXiv. L'approccio utilizza una rappresentazione semanticamente arricchita dello schema fornito dall'utente e incorpora regole aziendali fornite dall'utente per generare query SQL accurate. I contributi chiave includono un orchestratore ottimizzato in una soluzione multi-agente che sfrutta LLM per pianificazione, orchestrazione, riflessione e autocorrezione, nonché un arricchimento avanzato dello schema. Lo studio affronta il persistente divario tra NL2SQL basato su LLM e gli scrittori SQL umani esperti, con l'obiettivo di migliorare l'accuratezza per applicazioni pratiche che si basano su database relazionali.
Fatti principali
- Il metodo raggiunge l'78,1% di accuratezza semantica sul benchmark BIRD.
- Utilizza una rappresentazione semanticamente arricchita dello schema fornito dall'utente.
- Le regole aziendali fornite dall'utente sono incorporate nel processo.
- La soluzione è multi-agente con un orchestratore ottimizzato.
- I LLM sono utilizzati per pianificazione, orchestrazione, riflessione e autocorrezione.
- È stato sviluppato un arricchimento avanzato dello schema come parte del metodo.
- L'articolo è pubblicato su arXiv con ID 2605.19010.
- Il lavoro affronta il problema NL2SQL per database relazionali.
Entità
Istituzioni
- arXiv