論文の概要: Bootstrapping Semantic Layer from Execution for Text-to-SQL

• arxiv url: http://arxiv.org/abs/2606.05634v1
• Date: Thu, 04 Jun 2026 03:01:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.511779
• Title: Bootstrapping Semantic Layer from Execution for Text-to-SQL
• Title（参考訳）: テキストからSQLへの実行からのセマンティックレイヤのブートストラップ
• Authors: Youngwon Lee, Jaejin Kim, Seung-won Hwang,
• Abstract要約: GATE(Grouding After Test from Execution)は、実行時のフィードバックから欠落したグラウンドをブートストラップする。 GATEは、既に接地されている部分を実行しながら、地上の仮説をオープンにし続け、観察する。 その観測で支持される仮説のみが根拠付けられ、メモリエントリとして保存される。 これらのエントリは実行グランドメモリに蓄積され、後続のステップでサポート対象のグラウンドを再利用できる。
• 参考スコア（独自算出の注目度）: 36.89123491640486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-world text-to-SQL is often under-specified until user phrases are grounded in how the database stores values. Prior work attempts to address this by requiring a semantic layer to specify groundings in advance, but such specifications are often incomplete, especially in expert domains where domain-specific conventions are under-documented. As this leaves multiple grounding hypotheses open for the same SQL part, we introduce GATE (Grouding After Test from Execution), which bootstraps missing groundings from execution feedback. GATE keeps grounding hypotheses open while executing the already grounded parts to obtain observations. Then, only the hypothesis supported by that observation is grounded and stored as a memory entry, recording what was tested and how the open part should be written in SQL. These entries accumulate into execution-grounded memory, allowing later steps to reuse supported groundings. Across real-world and controlled benchmarks, GATE consistently improves over strong baselines, demonstrating that execution can serve not only as validation but also as a bootstrapping mechanism for reusable memory in text-to-SQL.
• Abstract（参考訳）: 実世界のテキスト・トゥ・SQLは、ユーザフレーズがデータベースの値の格納方法に基礎を置くまで、過小評価されないことが多い。 しかし、そのような仕様は、特にドメイン固有の規約が文書化されていない専門家のドメインでは、しばしば不完全である。 これは、同じSQL部分に対して複数の基底仮説を開いているため、実行フィードバックから欠落した基底をブートストラップするGATE(Grouding After Test from Execution)を導入します。 GATEは、既に接地されている部分を実行しながら、地上の仮説をオープンにし続け、観察する。 そして、その観察によって支持される仮説のみが、メモリエントリとしてグラウンドされ、テスト対象とオープン部分をどのようにSQLで書くべきかを記録する。 これらのエントリは実行グランドメモリに蓄積され、後続のステップでサポート対象のグラウンドを再利用できる。 実世界と制御されたベンチマーク全体において、GATEは一貫して強力なベースラインよりも改善されており、実行はバリデーションとしてだけでなく、テキストからSQLへの再利用可能なメモリのブートストラップ機構としても機能する。

関連論文リスト

• PExA: Parallel Exploration Agent for Complex Text-to-SQL [7.282500754945626]
  LLMベースのテキスト・トゥ・テキストのエージェントはレイテンシー・パフォーマンスのトレードオフに悩まされることが多い。 ソフトウェアテストカバレッジのレンズ内でテキストからテキストへの生成を再構成する。 我々は、テキストからテキストへの最新ベンチマークであるSpider 2.0で、70.2%の精度で新しい最先端ベンチマークを達成し、我々のフレームワークを検証した。
  論文  参考訳（メタデータ） (2026-04-24T18:12:14Z)
• Companion Agents: A Table-Information Mining Paradigm for Text-to-SQL [8.159121916366727]
  BIRDのような大規模テキスト・ツー・キュレートのベンチマークは通常、利用可能な外部知識だけでなく、完全で正確なデータベースアノテーションを前提としている。 このミスマッチはドメイン・オブ・ザ・ドメイン・テキスト・トゥ・アーティファクトシステムの現実的な適用性を著しく制限する。 本稿では,関係データベースに内在する固有できめ細かな情報を活用するデータベース中心の手法を提案する。
  論文  参考訳（メタデータ） (2025-12-17T07:11:55Z)
• ExeSQL: Self-Taught Text-to-SQL Models with Execution-Driven Bootstrapping for SQL Dialects [24.450818792474216]
  この作業では、実行駆動のエージェントブートストラップを備えたテキストからガイダンスのフレームワークであるExeを紹介した。 Exeはテキストとガイダンスの学習における方言のギャップを埋め、それぞれ15.2%、10.38%、および4.49%のGPT-4o以降の平均的な改善を実現している。
  論文  参考訳（メタデータ） (2025-05-22T19:13:34Z)
• UNITE: A Unified Benchmark for Text-to-SQL Evaluation [72.72040379293718]
  テキスト・ツー・ドメイン・システムのためのUNIfiedベンチマークを導入する。 公開されているテキストからドメインへのデータセットと29Kデータベースで構成されている。 広く使われているSpiderベンチマークと比較すると、SQLパターンの3倍の増加が紹介されている。
  論文  参考訳（メタデータ） (2023-05-25T17:19:52Z)
• Exploring Chain-of-Thought Style Prompting for Text-to-SQL [20.3340684210894]
  大規模言語モデル(LLM)を用いたインコンテキスト学習は、様々なタスクにおいて、より優れた数ショットのパフォーマンスのため、最近注目を集めている。 我々は,思考の連鎖(CoT)スタイルのプロンプトを通じてLLMの推論能力を高める方法について検討した。
  論文  参考訳（メタデータ） (2023-05-23T16:32:36Z)
• Error Detection for Text-to-SQL Semantic Parsing [18.068244400731366]
  現代のテキスト・トゥ・セマンティクスは、しばしば過信であり、実際の使用のためにデプロイされた際の信頼性に疑問を呈する。 本稿では,テキスト間セマンティック解析のためのa-独立誤差検出モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-23T04:44:22Z)
• Towards Generalizable and Robust Text-to-SQL Parsing [77.18724939989647]
  本稿では,タスク分解,知識獲得,知識構成からなる新しいTKKフレームワークを提案する。 このフレームワークは,Spider,SParC,Co.データセット上でのすべてのシナリオと最先端のパフォーマンスに有効であることを示す。
  論文  参考訳（メタデータ） (2022-10-23T09:21:27Z)
• Weakly Supervised Text-to-SQL Parsing through Question Decomposition [53.22128541030441]
  我々は最近提案されたQDMR(QDMR)という意味表現を活用している。 質問やQDMR構造(非専門家によって注釈付けされたり、自動予測されたりする)、回答が与えられたら、我々は自動的にsqlクエリを合成できる。 本結果は,NL-ベンチマークデータを用いて訓練したモデルと,弱い教師付きモデルが競合することを示す。
  論文  参考訳（メタデータ） (2021-12-12T20:02:42Z)
• Bridging Textual and Tabular Data for Cross-Domain Text-to-SQL Semantic Parsing [110.97778888305506]
  BRIDGEは、フィールドのサブセットが質問に言及されたセル値で拡張されるタグ付きシーケンスの質問とDBスキーマを表します。 BRIDGEは、人気のクロスDBテキスト-リレーショナルベンチマークで最先端のパフォーマンスを達成しました。 本分析は,BRIDGEが望まれる相互依存を効果的に捕捉し,さらにテキストDB関連タスクに一般化する可能性を示唆している。
  論文  参考訳（メタデータ） (2020-12-23T12:33:52Z)
• Structure-Grounded Pretraining for Text-to-SQL [75.19554243393814]
  本稿では,テキストからLARGEへの構造化事前学習フレームワーク(G)について述べる。 カラムグラウンド、バリューグラウンド、カラム値マッピングといった新しい予測タスクのセットを特定し、それらをテキストテーブルエンコーダの事前訓練に活用する。
  論文  参考訳（メタデータ） (2020-10-24T04:35:35Z)

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。