論文の概要: CYGNET: Cypher Gate for Neural Execution Triage and Cost Containment

• arxiv url: http://arxiv.org/abs/2606.04645v1
• Date: Wed, 03 Jun 2026 09:13:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.650496
• Title: CYGNET: Cypher Gate for Neural Execution Triage and Cost Containment
• Title（参考訳）: CYGNET:Cypher Gate for Neural Execution Triage and Cost Containment
• Authors: Nikodem Tomczak,
• Abstract要約: クエリ生成と運用用Neo4jデータベースの間に,事前実行ゲートを設置する。 ゲートは、ミラーグラフに対する実行が5.6msの中央遅延で終わる4つのバックチェーンを通して構造を検証する。 7つのCypherBenchスキーマ(2348の質問、ACL 2025)では、パイプラインはテスト対象のモデル毎に生成精度を維持し、安全な防御層として動作することを確認した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language models acting as agents over knowledge graphs generate Cypher queries that fail structurally (crashing at the database) or semantically (executing but returning wrong results). We place a pre-execution gate between query generation and a production Neo4j database. The gate validates structure through a four-backend chain culminating in execution against a mirror graph at 5.6 ms median latency. Structurally broken queries are routed to a corrector that iterates structured error feedback through a language model. On seven CypherBench schemas (2348 questions, ACL 2025) the pipeline maintains generation accuracy on every model tested, confirming it operates as a safe defensive layer. The corrector achieves 81% to 95% success across five models (mean 89%). On a template-generated corpus across nine schemas the gate catches 100% of parse errors, 100% of constraint violations, and 100% of schema-reference errors in path queries with labelled endpoints, at zero false positives across 1135 queries. Property sibling-swaps where the substituted name is valid on the target label score 0%, marking the formal boundary where structural validation ends and semantic validation must begin. A planner-based cost gate flags catastrophic plan structures before execution.
• Abstract（参考訳）: 知識グラフ上のエージェントとして機能する言語モデルは、構造的に失敗するCypherクエリを生成し(データベースをクラックする)、意味的に失敗する(実行するが間違った結果を返す)。 クエリ生成と運用用Neo4jデータベースの間に,事前実行ゲートを設置する。 ゲートは、ミラーグラフに対する実行が5.6msの中央遅延で終わる4つのバックチェーンを通して構造を検証する。 構造的に壊れたクエリは、言語モデルを通して構造化されたエラーフィードバックを反復する修正子にルーティングされる。 7つのCypherBenchスキーマ(2348の質問、ACL 2025)では、パイプラインはテスト対象のモデル毎に生成精度を維持し、安全な防御層として動作することを確認した。 修正器は5つのモデルで81%から95%の成功(平均89%)を達成する。 9つのスキーマにまたがるテンプレート生成コーパスでは、ゲートはパースエラーの100%、制約違反の100%、ラベル付きエンドポイントを持つパスクエリのスキーマ参照エラーの100%を1135クエリでゼロの偽陽性でキャッチする。 置換された名前がターゲットラベルスコア0%で有効であるプロパティシブリングスワップは、構造的検証が終了しセマンティックバリデーションが開始されなければならない形式的境界を示す。 プランナーベースのコストゲートは、実行前に破滅的な計画構造をフラグします。

関連論文リスト

• CAPER: Clause-Aligned Process Supervision for Text-to-SQL [11.286563956844946]
  本稿では,SQL 抽象構文木への反実的介入を通じて,自動的に節レベルの監視を導出する CAPER を提案する。 得られたデータは、ポリシー最適化と候補検証のための軽量なクロース境界フィードバックであるCAPER-9Bのトレーニングに使用される。 BIRDとスパイダーの実験では、節順の監督は実行精度を向上するだけでなく、GPT-5.4よりも15.3%の改善を達成し、障害局所化能力を強化し、84.53%の精度と90.60%のMRRを達成した。
  論文  参考訳（メタデータ） (2026-06-02T08:35:40Z)
• DisasterLex: An Expert Concept-to-Schema Knowledge Graph for Geospatial Reasoning in Disaster Analytics [7.702420465302456]
  DisasterLexは知識グラフを介するフレームワークで、ユーザクエリとデータベースの間に、キュレートされた概念と型付き因果関係のエキスパート知識グラフ(EKG)を挿入する。 EKGには107のコンセプト、117の因果エッジ、52のコンセプト・ツー・テーブルリンクがある。 プロプライエタリおよびオープンウェイトな家庭にまたがる7つのベースモデルにおいて、DeramLexは最先端の4つのベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-05-28T20:13:02Z)
• Models Can Model, But Can't Bind: Structured Grounding in Text-to-Optimization [54.749573452394664]
  定式化自体が単純である場合でも、インスタンスデータが大きくなるにつれて精度が低下する。 我々は, 数値データを構造化ファイルに外部化する単純な推論時アプローチであるBINDを用いて, モデルがプロンプトプロンプトからではなく, データをバインドする。 我々は,モデルのみをバインディングのみに微調整することで仮説を検証し,3つの構造的に異なる最適化カテゴリにおいて,エンドツーエンドのSFTおよびRLよりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-20T21:25:41Z)
• Semantic Layers for Reliable LLM-Powered Data Analytics: A Paired Benchmark of Accuracy and Hallucination Across Three Frontier Models [0.0]
  解析データベースの自然言語クエリ用にデプロイされたLLMは、2つの障害に悩まされる。 ClickHouseのCleaned Contoso Retailデータセットに対して,100の自然言語質問に対して,3つのフロンティアLSMをベンチマークした。
  論文  参考訳（メタデータ） (2026-04-28T02:53:23Z)
• ErrorLLM: Modeling SQL Errors for Text-to-SQL Refinement [57.98138819417949]
  テキスト・ツー・クエリを明示的にモデル化するフレームワークであるErrorLLMを提案する。 ErrorLLMは、バックボーンの初期生成よりも大幅に改善されていることを示す。 ErrorLLMは、精錬効率を維持しつつ、高い検出F1スコアで両面に対処する。
  論文  参考訳（メタデータ） (2026-03-04T05:27:20Z)
• Evidence-Bound Autonomous Research (EviBound): A Governance Framework for Eliminating False Claims [0.609170287691728]
  EviBoundは、二重ガバナンスゲートを通じて偽のクレームを排除するエビデンスベースの実行フレームワークである。 事前実行承認ゲートは、コードが実行される前に受け入れ基準スキーマを検証する。 実行後検証ゲートは、MLflow APIクエリを通じてアーティファクトを検証する。
  論文  参考訳（メタデータ） (2025-10-28T17:47:13Z)
• 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)
• Analyzing the Effectiveness of Large Language Models on Text-to-SQL Synthesis [4.412170175171256]
  本研究では,大規模言語モデルを用いたテキスト・ツー・プログラム合成における様々なアプローチについて検討する。 目標は、データベーススキーマと共に自然言語の質問を入力し、正しいSELECTクエリを出力することであった。
  論文  参考訳（メタデータ） (2024-01-22T22:05:42Z)
• PRover: Proof Generation for Interpretable Reasoning over Rules [81.40404921232192]
  本稿では,ルールベース上の二項質問に応答し,対応する証明を生成するトランスフォーマーモデルを提案する。 本モデルは,効率的な制約付き学習パラダイムを用いて,証明グラフに対応するノードやエッジを予測できることを学習する。 我々は、QAと証明生成のための有望な結果を示すために、合成、手書き、人文による規則ベースの実験を行う。
  論文  参考訳（メタデータ） (2020-10-06T15:47:53Z)
• Improving One-stage Visual Grounding by Recursive Sub-query Construction [102.47477888060801]
  長いクエリと複雑なクエリのグラウンド化における現在の制限に対処することで、ワンステージの視覚的グラウンド化を改善する。 我々は,新しい1段階法により,最先端の1段階ベースラインに対して5.0%,4.5%,7.5%,12.8%の絶対改善が得られたことを示す。
  論文  参考訳（メタデータ） (2020-08-03T17:43:30Z)
• TACRED Revisited: A Thorough Evaluation of the TACRED Relation Extraction Task [80.38130122127882]
  TACREDはリレーショナル抽出(RE)において最も大きく、最も広く使われているクラウドソースデータセットの1つである パフォーマンスの天井に到達したのか、改善の余地はあるのか? ラベルエラーは絶対F1テストエラーの8%を占めており、例の50%以上を可逆化する必要がある。
  論文  参考訳（メタデータ） (2020-04-30T15:07:37Z)

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。