論文の概要: Enhancing Accuracy and Maintainability in Nuclear Plant Data Retrieval: A Function-Calling LLM Approach Over NL-to-SQL

• arxiv url: http://arxiv.org/abs/2506.08757v1
• Date: Tue, 10 Jun 2025 12:55:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:42.468773
• Title: Enhancing Accuracy and Maintainability in Nuclear Plant Data Retrieval: A Function-Calling LLM Approach Over NL-to-SQL
• Title（参考訳）: 原子力プラントデータ検索における精度と保守性の向上:NL-to-SQLに対する機能的LCMアプローチ
• Authors: Mishca de Costa, Muhammad Anwar, Dave Mercier, Mark Randall, Issam Hammad,
• Abstract要約: 原子力発電所から運用データを取得するには、それが支援する決定の臨界性のために、極めて正確かつ透明性が必要である。 伝統的に、SQLへの自然言語(NL-to-)アプローチは、そのようなデータをクエリするために検討されてきた。 本稿では,これらの課題に対処するために,関数呼び出し型大言語モデル(LLM)を活用するための代替パラダイムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrieving operational data from nuclear power plants requires exceptional accuracy and transparency due to the criticality of the decisions it supports. Traditionally, natural language to SQL (NL-to-SQL) approaches have been explored for querying such data. While NL-to-SQL promises ease of use, it poses significant risks: end-users cannot easily validate generated SQL queries, and legacy nuclear plant databases -- often complex and poorly structured -- complicate query generation due to decades of incremental modifications. These challenges increase the likelihood of inaccuracies and reduce trust in the approach. In this work, we propose an alternative paradigm: leveraging function-calling large language models (LLMs) to address these challenges. Instead of directly generating SQL queries, we define a set of pre-approved, purpose-specific functions representing common use cases. Queries are processed by invoking these functions, which encapsulate validated SQL logic. This hybrid approach mitigates the risks associated with direct NL-to-SQL translations by ensuring that SQL queries are reviewed and optimized by experts before deployment. While this strategy introduces the upfront cost of developing and maintaining the function library, we demonstrate how NL-to-SQL tools can assist in the initial generation of function code, allowing experts to focus on validation rather than creation. Our study includes a performance comparison between direct NL-to-SQL generation and the proposed function-based approach, highlighting improvements in accuracy and maintainability. This work underscores the importance of balancing user accessibility with operational safety and provides a novel, actionable framework for robust data retrieval in critical systems.
• Abstract（参考訳）: 原子力発電所から運用データを取得するには、それが支援する決定の臨界性のために、極めて正確かつ透明性が必要である。 伝統的に、SQLへの自然言語(NL-to-SQL)アプローチは、そのようなデータをクエリするために検討されてきた。 NL-to-SQLは使いやすさを約束するが、エンドユーザーは生成したSQLクエリを容易に検証できない。 これらの課題は不正確な可能性を高め、アプローチに対する信頼を減らす。 本研究では,これらの課題に対処するために,関数呼び出し型大規模言語モデル (LLM) を活用するための代替パラダイムを提案する。 SQLクエリを直接生成する代わりに、一般的なユースケースを表す事前承認された目的固有の関数セットを定義します。 クエリはこれらの関数を呼び出して処理され、検証済みのSQLロジックをカプセル化する。 このハイブリッドアプローチは、SQLクエリがデプロイ前に専門家によってレビューされ、最適化されることを保証することで、直接NLからSQLへの変換に関連するリスクを軽減する。 この戦略は、関数ライブラリの開発とメンテナンスの事前コストを導入する一方で、NL-to-SQLツールが関数コードの初期生成をいかに支援できるかを示し、専門家が生成よりもバリデーションに集中できるようにする。 本研究は,NL-to-SQL生成と関数ベースアプローチの性能比較を行い,精度と保守性の向上を強調した。 この研究は、ユーザアクセシビリティと運用上の安全性のバランスをとることの重要性を強調し、クリティカルシステムにおけるロバストなデータ検索のための、新しい実用的なフレームワークを提供する。

関連論文リスト

• Bridging the Gap: Enabling Natural Language Queries for NoSQL Databases through Text-to-NoSQL Translation [25.638927795540454]
  自然言語クエリをアクセス可能なクエリに変換することを目的としたText-to-Noタスクを導入する。 この分野での研究を促進するために、我々はTEND(Text-to-Noデータセットのショートインターフェース)という、このタスクのための大規模かつオープンソースのデータセットをリリースした。 また,SLM(Small Language Model)支援とRAG(Retrieval-augmented Generation)支援の多段階フレームワークSMARTを設計した。
  論文  参考訳（メタデータ） (2025-02-16T17:01:48Z)
• RSL-SQL: Robust Schema Linking in Text-to-SQL Generation [51.00761167842468]
  本稿では、双方向スキーマリンク、コンテキスト情報拡張、バイナリ選択戦略、マルチターン自己補正を組み合わせたRSLと呼ばれる新しいフレームワークを提案する。 ベンチマークの結果,オープンソースのソリューション間でのSOTA実行精度は67.2%,BIRDは87.9%,GPT-4オクルージョンは87.9%であった。 提案手法は,DeepSeekを同一のプロンプトで適用した場合,GPT-4ベースのテキスト・ツー・シークシステムよりも優れている。
  論文  参考訳（メタデータ） (2024-10-31T16:22:26Z)
• TrustSQL: Benchmarking Text-to-SQL Reliability with Penalty-Based Scoring [11.78795632771211]
  本稿では,任意の入力質問を正しく処理するモデルとして,テキスト・ツー・信頼性を評価するための新しいベンチマークを提案する。 2つのモデリング手法を用いて,新たなペナルティに基づく評価基準を用いた既存手法の評価を行った。
  論文  参考訳（メタデータ） (2024-03-23T16:12:52Z)
• Text-to-SQL Empowered by Large Language Models: A Benchmark Evaluation [76.76046657162306]
  大規模言語モデル(LLM)はテキスト・ツー・タスクの新しいパラダイムとして登場した。 大規模言語モデル(LLM)はテキスト・ツー・タスクの新しいパラダイムとして登場した。
  論文  参考訳（メタデータ） (2023-08-29T14:59:54Z)
• SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended) [53.95151604061761]
  本稿では,大規模言語モデル(LLM)を用いたテキスト・ツー・フィルタリングのフレームワークを提案する。 数発のプロンプトで、実行ベースのエラー解析による一貫性復号化の有効性について検討する。 命令の微調整により、チューニングされたLLMの性能に影響を及ぼす重要なパラダイムの理解を深める。
  論文  参考訳（メタデータ） (2023-05-26T21:39:05Z)
• SUN: Exploring Intrinsic Uncertainties in Text-to-SQL Parsers [61.48159785138462]
  本稿では,ニューラルネットワークに基づくアプローチ(SUN)における本質的な不確かさを探索することにより,テキストから依存への変換性能を向上させることを目的とする。 5つのベンチマークデータセットの大規模な実験により、我々の手法は競合より大幅に優れ、新しい最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-09-14T06:27:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。