論文の概要: Taming SQL Complexity: LLM-Based Equivalence Evaluation for Text-to-SQL

• arxiv url: http://arxiv.org/abs/2506.09359v1
• Date: Wed, 11 Jun 2025 03:16:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.287402
• Title: Taming SQL Complexity: LLM-Based Equivalence Evaluation for Text-to-SQL
• Title（参考訳）: SQLの複雑さに対処する - テキストからSQLへのLLMベースの等価性評価
• Authors: Qingyun Zeng, Simin Ma, Arash Niknafs, Ashish Basran, Carol Szabo,
• Abstract要約: 本稿では,Large Language Models (LLM) を用いて意味論とより実践的な「弱」意味論的等価性の両方を評価する。 我々は,Sql同値と不等価の共通パターンを解析し,LLMに基づく評価の課題について議論する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rise of Large Language Models (LLMs) has significantly advanced Text-to-SQL (NL2SQL) systems, yet evaluating the semantic equivalence of generated SQL remains a challenge, especially given ambiguous user queries and multiple valid SQL interpretations. This paper explores using LLMs to assess both semantic and a more practical "weak" semantic equivalence. We analyze common patterns of SQL equivalence and inequivalence, discuss challenges in LLM-based evaluation.
• Abstract（参考訳）: LLM(Large Language Models)の台頭は、かなり先進的なText-to-SQL(NL2SQL)システムを持っているが、生成したSQLのセマンティックな等価性を評価することは、特に曖昧なユーザクエリと複数の有効なSQL解釈を前提として、依然として課題である。 本稿では,LLMを用いて意味的およびより実践的な「弱」意味的等価性の評価を行う。 我々は,SQLの等価性と等価性の共通パターンを分析し,LLMに基づく評価における課題について議論する。

関連論文リスト

• Can the Rookies Cut the Tough Cookie? Exploring the Use of LLMs for SQL Equivalence Checking [15.42143912008553]
  クエリ等価性チェックのためのSQLEquiQuestという,新しい,現実的で,十分に複雑なベンチマークを導入する。 我々は,様々なプロンプト戦略とテキスト内学習例を用いて,最先端のLLMを評価した。 解析の結果,LLMは等価性予測に強いバイアスを示し,非等価性対に対する性能は一貫して劣っていることがわかった。
  論文  参考訳（メタデータ） (2024-12-07T06:50:12Z)
• PTD-SQL: Partitioning and Targeted Drilling with LLMs in Text-to-SQL [54.304872649870575]
  大規模言語モデル(LLM)は、テキスト・トゥ・センス・タスクの強力なツールとして登場した。 本研究では,クエリグループパーティショニングを用いることで,単一問題に特有の思考プロセスの学習に集中できることを示す。
  論文  参考訳（メタデータ） (2024-09-21T09:33:14Z)
• LLM-SQL-Solver: Can LLMs Determine SQL Equivalence? [7.59813709836711]
  大きな言語モデル(LLM)は、会話、質問応答、課題解決において強力な推論能力を示している。 LLMの高品質な応答生成を支援するために,Miniature & Mull と Explain & Compare の2つのプロンプト技術を提案する。
  論文  参考訳（メタデータ） (2023-12-16T05:01:23Z)
• 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)

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。