論文の概要: SQLConductor: Search-to-Policy Learning for Step-wise Text-to-SQL Orchestration

• arxiv url: http://arxiv.org/abs/2606.23537v1
• Date: Mon, 22 Jun 2026 16:13:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 18:24:19.426284
• Title: SQLConductor: Search-to-Policy Learning for Step-wise Text-to-SQL Orchestration
• Title（参考訳）: SQLConductor: ステップワイズなテキスト-SQLオーケストレーションのための検索からポリシ学習
• Authors: Yizhang Zhu, Zhangyang Peng, Boyan Li, Yuyu Luo,
• Abstract要約: 既存のシステムは、しばしば個々のステージに特化した多段階パイプラインまたは推論モデルを使用する。 最近のオーケストレーションベースのメソッドは、クエリ毎に特別なモジュールを構成することで柔軟性を提供する。 本研究では,テキスト・ツー・コンダクタの段階的学習フレームワークであるText-to-Conductorを提案する。
• 参考スコア（独自算出の注目度）: 11.005592442924742
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-SQL enables users to access relational databases via natural language, but real-world settings remain challenging due to coordinated reasoning over complex database environments. Existing systems often use multi-stage pipelines or reasoning models specialized for individual stages. However, fixed pipelines rely on predefined stage orders, limiting their adaptivity to query demands and intermediate evidence. Recent orchestration-based methods provide flexibility by composing specialized modules for each query, but typical plan-then-execute approaches still commit to a complete workflow before execution and cannot adapt to intermediate artifacts and feedback. In this paper, we propose SQLConductor, a step-wise orchestration learning framework for Text-to-SQL. SQLConductor formulates Text-to-SQL subtasks as specialized actions for workflow composition and trains a policy model to select the next action based on intermediate artifacts and feedback. To learn this policy, SQLConductor introduces Search-to-Policy Learning, which uses Monte Carlo Tree Search to explore candidate workflows and stability estimation to identify robust supervision. The policy model is trained with Stability-weighted Supervised Fine-tuning to prioritize high-quality orchestration patterns and further enhanced through Curriculum Reinforcement Learning. This transforms offline workflow search into a deployable policy for step-wise orchestration at inference time. Experiments on BIRD-Dev and out-of-distribution datasets show that SQLConductor achieves superior execution accuracy and strong generalization, reaching 73.2% EX on BIRD-Dev with a compact orchestration policy coordinating frozen larger action models, outperforming prior methods that directly train comparable or larger Text-to-SQL backbones. Further analyses show that the learned policy adapts orchestration to diverse query demands.
• Abstract（参考訳）: Text-to-SQLを使えば、ユーザは自然言語でリレーショナルデータベースにアクセスできますが、複雑なデータベース環境に対する協調推論のため、現実世界の設定は難しいままです。 既存のシステムは、しばしば個々のステージに特化した多段階パイプラインまたは推論モデルを使用する。 しかし、固定パイプラインは事前に定義されたステージオーダーに依存しており、クエリ要求と中間的なエビデンスへの適応性を制限する。 最近のオーケストレーションベースのメソッドは、クエリ毎に特別なモジュールを構成することで柔軟性を提供するが、典型的なプラン-then-executeアプローチは、実行前に完全なワークフローをコミットし、中間的なアーティファクトやフィードバックに適応できない。 本稿では,テキストからSQLへのステップワイドなオーケストレーション学習フレームワークであるSQLConductorを提案する。 SQLConductorは、ワークフロー構成のための特別なアクションとしてText-to-SQLサブタスクを定式化し、中間アーティファクトとフィードバックに基づいて次のアクションを選択するようにポリシーモデルをトレーニングする。 このポリシーを学ぶために、SQLConductorは、Monte Carlo Tree Searchを使用して、候補ワークフローと安定性の推定を探索し、堅牢な監視を識別するSearch-to-Policy Learningを導入した。 ポリシーモデルは、安定性に富んだ監視された微調整で訓練され、高品質なオーケストレーションパターンを優先し、カリキュラム強化学習によってさらに強化される。 これにより、オフラインワークフロー検索を、推論時にステップワイドなオーケストレーションのためのデプロイ可能なポリシに変換する。 BIRD-Devとアウト・オブ・ディストリビューションデータセットの実験により、SQLConductorはより優れた実行精度と強力な一般化を実現し、BIRD-Dev上で73.2%EXに達した。 さらに分析した結果,学習ポリシは多様なクエリ要求にオーケストレーションを適用することがわかった。

関連論文リスト

• 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)
• From Queries to Insights: Agentic LLM Pipelines for Spatio-Temporal Text-to-SQL [8.496933324334167]
  本研究では,MistralをベースとしたRellama-sqlcoder-8bによるオーケストレーションにより,簡単なテキストからActまでのベースライン(Rellama-sqlcoder-8b)を提案する。 ニューヨークと東京のチェックインで35の自然言語クエリを評価し,空間的・時間的マルチデータセット推論について検討した。 このエージェントは、データセット 91.4% 対 28.6% よりもかなり精度が高く、地図によるユーザビリティを高め、自然言語の要約を構造化する。
  論文  参考訳（メタデータ） (2025-10-29T22:18:57Z)
• Scalable In-Context Q-Learning [68.9917436397079]
  textbfScalable textbfIn-textbfContext textbfQ-textbfLearning (textbfSICQL)を提案する。 textbfSICQLは動的プログラミングとワールドモデリングを利用して、ICRLを効率的な報酬とタスクの一般化に向けて制御する。
  論文  参考訳（メタデータ） (2025-06-02T04:21:56Z)
• Sparks of Tabular Reasoning via Text2SQL Reinforcement Learning [0.12289361708127876]
  この研究は、Text-to-the-taskを、大規模言語モデル(LLM)にデータの推論と操作を教えるための経路として再構成した。 本稿では,テーブルフィールドをトラバースし,フィルタし,集約する方法をモデルに教える2段階フレームワークを提案する。 提案手法は,BIRD や CRT-QA などの推論集約型データセットに対して,理論的に有意な向上を実現している。
  論文  参考訳（メタデータ） (2025-04-23T19:02:04Z)
• Reinforcing Compositional Retrieval: Retrieving Step-by-Step for Composing Informative Contexts [67.67746334493302]
  大規模言語モデル(LLM)は、多くのタスクにまたがる顕著な機能を示してきたが、複雑なタスクを扱うために外部のコンテキストに依存していることが多い。 我々は、このプロセスをマルコフ決定プロセス(MDP)としてモデル化するトリエンコーダシーケンシャルレトリバーを提案する。 提案手法は,サンプル間の依存関係を明示的にモデル化することの重要性を強調し,ベースラインを一貫して大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2025-04-15T17:35:56Z)
• Improving Retrieval-augmented Text-to-SQL with AST-based Ranking and Schema Pruning [10.731045939849125]
  本稿では,テキストからセマンティックへの解析に注目する。 商用データベースのスキーマのサイズとビジネスインテリジェンスソリューションのデプロイ可能性に関する課題から,入力データベース情報を動的に取得する $textASTReS$ を提案する。
  論文  参考訳（メタデータ） (2024-07-03T15:55:14Z)
• 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)
• STAR: SQL Guided Pre-Training for Context-dependent Text-to-SQL Parsing [64.80483736666123]
  文脈依存型テキスト・ツー・パースのための新しい事前学習フレームワークSTARを提案する。 さらに,STARを事前学習するための大規模コンテキスト依存型テキスト対話コーパスを構築した。 大規模な実験により、STARは2つの下流ベンチマークで新しい最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2022-10-21T11:30:07Z)
• Proton: Probing Schema Linking Information from Pre-trained Language Models for Text-to-SQL Parsing [66.55478402233399]
  本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。 スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。 我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2022-06-28T14:05:25Z)

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。