Sophrosyne: Contenere l'eccessiva esplorazione negli agenti Text2SQL basati su LLM
Una recente pubblicazione su arXiv (2605.30862v1) presenta Sophrosyne, un nuovo ambiente di sistema dati volto a migliorare la precisione degli agenti Text2SQL che utilizzano grandi modelli linguistici (LLM). Questi agenti convertono il linguaggio naturale in SQL navigando nei sistemi dati tramite chiamate a strumenti, ma si trovano di fronte a un dilemma tra esplorazione economicamente vantaggiosa e produzione di query accurate. Lo studio classifica le API in categorie a grana grossa e a grana fine, rivelando che le API a grana fine portano a un'esplorazione eccessiva e all'inclusione di componenti di schema irrilevanti, con conseguenti output inaccurati. Sophrosyne migliora le risposte delle API con istruzioni che guidano l'esplorazione dell'agente, riducendo l'eccessiva esplorazione. Risultati preliminari suggeriscono prestazioni migliorate. Questo articolo è stato pubblicato come pubblicazione cross-type.
Fatti principali
- L'articolo arXiv 2605.30862v1 introduce Sophrosyne.
- Sophrosyne è un ambiente di sistema dati per agenti Text2SQL.
- Gli agenti Text2SQL utilizzano LLM per tradurre il linguaggio naturale in SQL.
- Gli agenti esplorano i sistemi dati attraverso chiamate a strumenti prima di formulare query.
- Le API sono categorizzate come a grana grossa o a grana fine.
- Le API a grana fine portano a un'esplorazione eccessiva e a risultati inaccurati.
- Sophrosyne arricchisce le risposte delle API con direttive per guidare l'esplorazione.
- I risultati iniziali mostrano una maggiore accuratezza.
Entità
Istituzioni
- arXiv