Fugu-MT 論文翻訳(概要): ZAS-SQL: Distilling Rules from Failures for Zero-Shot Text-to-SQL

論文の概要: ZAS-SQL: Distilling Rules from Failures for Zero-Shot Text-to-SQL

arxiv url: http://arxiv.org/abs/2606.08245v1
Date: Sat, 06 Jun 2026 16:08:40 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-09 14:42:05.992121
Title: ZAS-SQL: Distilling Rules from Failures for Zero-Shot Text-to-SQL
Title（参考訳）: ZAS-SQL: ゼロショットテキストからSQLへの障害からルールを消去する
Authors: Hongzhou Zheng, Yixin Gou, Wenjia Zhang,
Abstract要約: 大規模言語モデル(LLM)上に構築された文脈内学習手法は,性能が向上するが,実演への依存はドメイン間の一般化を制限している。本稿では,Map-Reduceベースのルール蒸留パイプラインを通じて,障害ケースからコア生成ルールを蒸留する,完全ゼロショットのText-to-Guidedフレームワークを提案する。提案されたフレームワークは、DevとTestセットでそれぞれ87.2%と88.6%の実行精度を達成し、新しいゼロショット・オブ・ザ・アートを確立した。
参考スコア（独自算出の注目度）: 4.477529152940812
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Text-to-SQL translates natural language into executable SQL queries. Few-shot in-context learning methods built upon large language models (LLMs) achieve strong performance, yet their reliance on demonstrations limits cross-domain generalization and consumes substantial context window space. Existing zero-shot methods, lacking effective generation constraints, still fall short of few-shot approaches. We observe that LLM failures in zero-shot Text-to-SQL are not random but exhibit systematic, recurring patterns. Building on this observation, we propose a fully zero-shot Text-to-SQL framework that distills core generation rules from failure cases through a Map-Reduce-based rule distillation pipeline and improves generation quality via three complementary modules: knowledge-augmented schema representation, which supplements missing semantics in Data Definition Language; a rule-driven structured reasoning framework that suppresses structural deviations; and Execution-Guided Early Stopping, which enables low-cost self-correction. On Spider, the proposed framework achieves up to 87.2% and 88.6% execution accuracy on the Dev and Test sets, respectively, establishing a new zero-shot state-of-the-art and surpassing multiple few-shot and fine-tuning methods built upon GPT-4/4o. On the domain-specific dataset UrbanPlan, it achieves 81.3%, confirming that the rule distillation approach generalizes across domains. Moreover, when equipped with a 4B-parameter model, the framework surpasses zero-shot baselines of leading closed-source models, demonstrating strong model generality.
Abstract（参考訳）: Text-to-SQLは自然言語を実行可能なSQLクエリに変換する。大規模言語モデル(LLM)上に構築された文脈内学習手法は,強い性能を実現するが,実演への依存はドメイン間の一般化を制限し,相当なコンテキストウィンドウ空間を消費する。既存のゼロショットメソッドは、効果的な生成制約を欠いているが、まだ数ショットのアプローチに欠けている。ゼロショットテキスト・トゥ・SQLにおけるLCMの故障はランダムではなく、系統的かつ反復的なパターンを示す。そこで本研究では,Map-Reduceベースのルール蒸留パイプラインを通じて,障害事例からコア生成ルールを抽出し,データ定義言語に欠けている意味を補う知識強化スキーマ表現,構造偏差を抑えるルール駆動型構造化推論フレームワーク,低コストな自己補正を可能にする実行誘導早期停止という,3つの相補的なモジュールによる生成品質の向上を実現する,完全ゼロショットのText-to-SQLフレームワークを提案する。 Spiderでは、提案されたフレームワークは、それぞれDevとTestセット上で87.2%と88.6%の実行精度を達成し、新しいゼロショットステート・オブ・ザ・アートを確立し、GPT-4/4o上に構築された複数の数ショットおよび微調整メソッドを超えた。ドメイン固有のデータセットであるUrbanPlanでは81.3%を達成した。さらに, 4Bパラメータモデルを備えると, 主要なクローズドソースモデルのゼロショットベースラインを超越し, 強力なモデル一般性を示す。

関連論文リスト

Reliable Answers for Recurring Questions: Boosting Text-to-SQL Accuracy with Template Constrained Decoding [19.55574267306257]
大規模言語モデル(LLM)はテキスト・ツー・ジェネレーションに革命をもたらした。本稿では,ラベル付きワークロードにおけるクエリパターンの繰り返しを利用したTeCoDを提案する。我々は、TeCoDが、コンテキスト内学習(ICL)よりも最大36%高い実行精度と、マッチしたクエリの2.2倍のレイテンシが得られることを示す。
論文参考訳（メタデータ） (2026-04-30T15:44:34Z)
Memo-SQL: Structured Decomposition and Experience-Driven Self-Correction for Training-Free NL2SQL [23.966546153810764]
既存のNL2システムは、正しい例しか持たないコンテキスト内学習に依存している。我々は,オープンなゼロファインチューニング手法の中で,新しい技術状態を設定するメモ補正を提案する。
論文参考訳（メタデータ） (2026-01-15T02:42:05Z)
Bridging Global Intent with Local Details: A Hierarchical Representation Approach for Semantic Validation in Text-to-SQL [30.78817492504152]
HEROは、グローバルな意図と局所的な詳細を統合する階層的な表現アプローチである。我々はNested Message Passing Neural Network (NMPNN) を用いて、関係スキーマ誘導セマンティクスにおける固有情報をキャプチャする。提案手法は既存の最先端手法よりも優れており,AUPRCの9.40%,AUROCの12.35%が意味的不整合を識別している。きめ細かいセマンティックエラーを検出し、よりきめ細かいフィードバックで大きな言語モデルを提供し、最終的にはデータクエリプラットフォームの信頼性と解釈性を高めます。
論文参考訳（メタデータ） (2025-12-28T02:25:33Z)
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)
Evaluating NL2SQL via SQL2NL [45.88028371034407]
新しいフレームワークは意味論的に等価で語彙的に多様なクエリを生成する。最先端のモデルは、標準ベンチマークが示すよりもはるかに脆弱だ。
論文参考訳（メタデータ） (2025-09-04T21:03:59Z)
StarFT: Robust Fine-tuning of Zero-shot Models via Spuriosity Alignment [70.87096576708898]
本稿では,ゼロショットモデルの微調整を行うフレームワークであるStarFTを提案する。 StarFTはウォーターバードグループのシフトシナリオにおいて、それぞれ14.30%、平均精度を3.02%向上させる。
論文参考訳（メタデータ） (2025-05-19T15:15:35Z)
OpenSearch-SQL: Enhancing Text-to-SQL with Dynamic Few-shot and Consistency Alignment [6.2089733671434875]
我々は,テキストからエージェントまでのタスクを,整合性アライメント機構に基づくアライメントモジュールとともに,前処理,抽出,生成,リファインメントの4つの主要なモジュールに分割するOpenSearch-を提案する。これらの手法はテキスト・ツー・エージェント・タスクにおけるLLMの性能を大幅に向上させた。実験の結果、OpenSearch-はBIRD開発セットで69.3%、テストセットで72.28%、報酬ベースの効率スコア(R-VES)で69.3で実行精度(EX)を達成した。
論文参考訳（メタデータ） (2025-02-19T07:51:50Z)
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)

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。