論文の概要: Progress-SQL: Improving Reinforcement Learning for Text-to-SQL via Progressive Rewards

• arxiv url: http://arxiv.org/abs/2606.06825v1
• Date: Fri, 05 Jun 2026 01:59:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.511486
• Title: Progress-SQL: Improving Reinforcement Learning for Text-to-SQL via Progressive Rewards
• Title（参考訳）: Progress-SQL: プログレッシブリワードによるテキストからSQLへの強化学習の改善
• Authors: Shihao Zhang, Xiaoman Wang, Yuan Liu, Yunshi Lan, Weining Qian,
• Abstract要約: テキスト・ツー・ジェネレーションにプログレッシブ報酬を与えるマルチターン強化学習フレームワークを提案する。 本手法は, テキスト・ツー・ジェネレーション・ロバストネス性能を, プライマリ・評価の両面で一貫して改善する。
• 参考スコア（独自算出の注目度）: 24.99757788407821
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reinforcement learning has recently shown promise in improving large language models for Text-to-SQL generation, yet existing methods typically optimize one-shot rewards defined over a single SQL state. Such rewards provide limited guidance for iterative SQL correction and are insufficient to capture the improvement of multi-turn SQL refinement. In this paper, we propose Progress-SQL, a multi-turn reinforcement learning framework with progressive rewards for Text-to-SQL. Our approach introduces an Oracle-guided Diagnostic Tree (ODT), which abstracts SQL queries into clause-level structural profiles and produces diagnostic feedback for next-turn refinement. To provide dense and robust reward signals, we combine ODT-based structural alignment with lexical alignment and define a progressive reward that measures the improvement from the initial SQL to the final SQL. We further incorporate a progression latency reward that favors earlier correctness and an execution status reward that encourages recovery from the invalid SQL. Experiments on BIRD, Spider, and Spider robustness variants demonstrate that our method consistently improves Text-to-SQL performance across both primary and robustness evaluations.
• Abstract（参考訳）: 強化学習は、テキストからSQL生成のための大規模な言語モデルを改善するという約束を最近示したが、既存のメソッドは通常、1つのSQLステートで定義されたワンショット報酬を最適化する。 このような報酬は、反復的なSQL修正のための限られたガイダンスを提供し、マルチターンSQLの改良を捉えるには不十分である。 本稿では,テキストからSQLへのプログレッシブ報酬を持つマルチターン強化学習フレームワークであるProgress-SQLを提案する。 提案手法では,Oracle が指導する診断木 (ODT) を導入し,SQL クエリを節レベルの構造プロファイルに抽象化し,次回修正のための診断フィードバックを生成する。 ODTに基づく構造アライメントと語彙アライメントを組み合わせ,初期SQLから最終SQLへの改善を測定するプログレッシブリワードを定義する。 さらに、早期の正しさを優先する進行遅延報酬と、無効なSQLからのリカバリを促進する実行ステータス報酬も組み込んでいます。 BIRD, スパイダー, スパイダーのロバスト性変異に対する実験により, 本手法は一次評価とロバスト性評価の両方でテキスト-SQL性能を一貫して改善することを示した。

関連論文リスト

• FINER-SQL: Boosting Small Language Models for Text-to-SQL [40.19592881059662]
  大規模言語モデルは、高い計算コスト、長いレイテンシ、データプライバシの懸念に悩まされる。 自然な代替手段は、効率的でプライベートなオンプレミスデプロイメントを可能にする、小さな言語モデルを使用することだ。 スケーラブルで再利用可能な強化学習フレームワークであるFINER-sqlを提案する。
  論文  参考訳（メタデータ） (2026-05-05T07:51:29Z)
• Text-to-SQL as Dual-State Reasoning: Integrating Adaptive Context and Progressive Generation [54.53145282349042]
  DSR-sourced, textbfDual-textbfS textbfReasoning frameworkを導入する。 ポストトレーニングやインコンテキストの例がなければ、DSR-sourcedは競合性能を達成し、スパイダー2.0-Snowで35.28%、BIRD開発で68.32%に達する。
  論文  参考訳（メタデータ） (2025-11-26T13:52:50Z)
• Arctic-Text2SQL-R1: Simple Rewards, Strong Reasoning in Text-to-SQL [35.21185734929167]
  提案するArctic-Text2-R1は、RLフレームワークとモデルファミリで、正確で実行可能なsqlを生成するように設計されている。 提案手法は、調整された中間監督と複雑な報酬形成を回避し、安定したトレーニングと最終課題との整合性を促進する。 特に、私たちの7Bモデルは70Bクラスのシステムよりも優れており、フレームワークのスケーラビリティと効率性を強調しています。
  論文  参考訳（メタデータ） (2025-05-22T23:33:47Z)
• Graph-Reward-SQL: Execution-Free Reinforcement Learning for Text-to-SQL via Graph Matching and Stepwise Reward [16.47355258999193]
  テキスト・ツー・タスクにおける大規模言語モデル(LLM)の性能向上のために,強化学習(RL)が広く採用されている。 既存の方法は、実行ベースやLLMベースのBradley-Terry報酬モデルに依存していることが多い。 本稿では,RLをベースとしたテキスト・ツー・スコア(Graph-Reward-RTM)のための新たな報酬モデルフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-18T11:53:01Z)
• DAC: Decomposed Automation Correction for Text-to-SQL [51.48239006107272]
  De Automation Correction (DAC)を導入し、エンティティリンクとスケルトン解析を分解することでテキストから合成を補正する。 また,本手法では,ベースライン法と比較して,スパイダー,バード,カグルDBQAの平均値が平均3.7%向上することを示した。
  論文  参考訳（メタデータ） (2024-08-16T14:43:15Z)
• SQLPrompt: In-Context Text-to-SQL with Minimal Labeled Data [54.69489315952524]
  Prompt"は、Text-to-LLMのいくつかのショットプロンプト機能を改善するように設計されている。 Prompt"は、ラベル付きデータが少なく、テキスト内学習における従来のアプローチよりも大きなマージンで優れている。 emphPromptはテキスト内学習における従来の手法よりも優れており,ラベル付きデータはほとんどない。
  論文  参考訳（メタデータ） (2023-11-06T05:24:06Z)
• 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)
• S$^2$SQL: Injecting Syntax to Question-Schema Interaction Graph Encoder for Text-to-SQL Parsers [66.78665327694625]
  テキスト-関係解析のための質問-エンコーダグラフに構文を注入するS$2$を提案する。 また、疎結合制約を用いて多様なエッジ埋め込みを誘導し、ネットワークの性能をさらに向上させる。 スパイダーとロバスト性設定の実験は、提案手法が事前学習モデルを使用する場合、既存のすべての手法より優れていることを示した。
  論文  参考訳（メタデータ） (2022-03-14T09:49:15Z)

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。