論文の概要: From Test-Time Scaling to Reusable Memory: Measuring Crystallization in Text-to-SQL
- arxiv url: http://arxiv.org/abs/2608.07213v1
- Date: Fri, 07 Aug 2026 13:28:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.505566
- Title: From Test-Time Scaling to Reusable Memory: Measuring Crystallization in Text-to-SQL
- Title（参考訳）: テスト時間スケーリングから再利用可能なメモリへ:テキストからSQLへの結晶化の測定
- Abstract要約: テストタイムのスケーリングは難しいテキスト・ツー・クエリを修正できるが、解答毎に余分な計算が破棄されるのが普通である。
BIRDでは、修正クエリの保存により、初回試行精度が4.34ポイント向上する。
信頼性の高い検証とより広範な検索カバレッジが支持される。
- 参考スコア（独自算出の注目度）: 9.836970150954995
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Test-time scaling can correct difficult text-to-SQL queries, but the extra computation is normally discarded after each answer. Systems increasingly retain verified repair episodes, yet evaluations still report one end-to-end score. It cannot distinguish replay on recurring questions from help on unseen questions, or identify the responsible memory choice. We call measuring this future value the crystallization problem. Our controlled evaluation holds the single-shot solver fixed and varies one memory choice at a time. We separately measure replay, cross-question retention, and held-out same-database transfer. On BIRD, storing verified corrected queries improves held-out first-attempt accuracy by 4.34 percentage points. This gain captures 44.4% of the accuracy headroom provided by on-demand repair on the same questions. Controlled interventions identify database-specific content as the main operating ingredient. Reliable verification and broader retrieval coverage yield supported gains; richer formats and elaborate retrievers do not. Open-source code, evaluation artifacts, and reproduction instructions are available at https://github.com/ai-jiaqian/text-to-sql-memory-crystallization.
- Abstract（参考訳）: テストタイムのスケーリングは難しいテキストからSQLへのクエリを修正できるが、解答毎に余分な計算が破棄されるのが普通である。
システムは、確認された修理エピソードをますます保持するが、評価は、エンド・ツー・エンドのスコアを報告している。
繰り返し発生する質問のリプレイと、目に見えない質問のヘルプを区別したり、責任ある記憶の選択を特定することはできない。
我々はこの将来価値の測定を結晶化問題と呼ぶ。
制御された評価では、シングルショットソルバが固定され、一度に1つのメモリ選択が変化する。
リプレイ、クロスクエストの保持、同じデータベース転送の保持を別々に測定します。
BIRDでは、検証済みのクエリを格納することで、最初の試行精度が4.34ポイント向上する。
この利得は、同じ質問に対するオンデマンドの修理によって提供される正確さの44.4%を捉えている。
制御された介入は、データベース固有のコンテンツを主要な操作成分として識別する。
信頼性の高い検証とより広範な検索カバレッジが支持される。
オープンソースコード、評価アーティファクト、再現命令はhttps://github.com/ai-jiaqian/text-to-sql-Memory-crystallizationで入手できる。
関連論文リスト
- From Faulty Memories to Corrected Actions: Dependency-Guided Rollback Repair for Memory-Augmented Agents [19.125716338799545]
textbfdependency-guided rollback repairは、出所からの型付きメモリ対アクショングラフを構築し、明示的な下流依存性をトレースし、応答関連処理のみを選択的に再生する。
本手法は,3つのツール使用領域と4つのメモリ障害タイプにまたがる150ケースのベンチマークで評価する。
論文 参考訳（メタデータ） (2026-08-11T05:19:55Z) - Causal Episodic Memory for Feedback-Driven Agent Repair [2.641347237473854]
オラクル認証のオンライン双極性メモリを保守するトレーニングフリーエージェントであるMERITを紹介する。
負のメモリが適度に寄与することを示し、型条件付けと語彙ランク付けの値はデータセットに依存し、スキーマローカルエクスペリエンスが最も一貫した利点を提供する。
論文 参考訳（メタデータ） (2026-08-06T11:34:03Z) - MemTxn: A Transaction Boundary for Source-Supported Updates and Complete-State Recovery in Agent Memory [10.45417197978482]
我々は,回答モデル以外のガバナンス層であるMemTxnを提案する。
MemTxnはソースによって更新がサポートされているかどうかを検証する。
また、事実が矛盾した場合に可視バージョンを選択し、障害後のアプリケーション可視状態を復元する。
論文 参考訳（メタデータ） (2026-07-30T08:15:02Z) - MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。
MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。
長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
論文 参考訳（メタデータ） (2026-07-14T15:33:44Z) - MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery [58.64329475683699]
我々は、長期記憶は監査可能な相互作用後のアーティファクトとして評価されるべきであると主張している。
我々は、メモリを備えたエージェントがシミュレーションユーザを支援するベンチマークであるMEMPROBEで、このビューをインスタンス化する。
私たちは、成功したアシストと回復可能なメモリが、異なる機能として振る舞うことに気付きました。
論文 参考訳（メタデータ） (2026-06-23T13:52:46Z) - FineVerify: Scaling Test-Time Compute with Fine-Grained Self-Verification for Agentic Search [88.16262636915975]
FineVerifyはエージェント検索のためのきめ細かい自己検証フレームワークである。
各質問をチェック可能なサブクエストに分解し、サンプル候補を検証し、最も高い集計スコアの候補を選択する。
FineVerifyは、標準のスケーリングベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-30T10:21:20Z) - Outcome-Conditioned Reasoning Distillation for Resolving Software Issues [49.16055123488827]
本稿では, 検証済みパッチを監督として, リポジトリ内問題を解決したO-CRD(Outcome-Conditioned Reasoning Distillation)フレームワークを提案する。
歴史的修正から始まり、検証結果から段階的な修理トレースを後方に再構築する。
SWE-Bench Liteでは、GPT-4oではPass@1が10.4%、DeepSeek-V3では8.6%、GPT-5では10.3%増加する。
論文 参考訳（メタデータ） (2026-01-30T18:25:39Z) - High Accuracy, Less Talk (HALT): Reliable LLMs through Capability-Aligned Finetuning [84.52940628494879]
大規模言語モデル(LLM)は現在、すべてのプロンプトに応答する。
LLMは、知識や能力の欠如によって、誤った答えを生み出すことができる。
本稿では,その正確性に自信を持った場合にのみコンテンツを生成するためのLCMのポストトレーニングを提案する。
論文 参考訳（メタデータ） (2025-06-04T15:16:21Z) - A Study of In-Context-Learning-Based Text-to-SQL Errors [23.296158301228598]
本研究は,テキスト・トゥ・コレクト・エラーの総合的研究である。
テキストの正当性エラーは広範囲に及んでおり、29種類の7カテゴリのエラータイプが要約されている。
本稿では,新しいテキスト間エラー検出・修復フレームワークMapleRepairを提案する。
論文 参考訳（メタデータ） (2025-01-16T05:54:59Z) - Increasing the LLM Accuracy for Question Answering: Ontologies to the Rescue! [1.0786522863027366]
本稿では,1)オントロジーに基づくクエリチェック (OBQC) と2) LLM修復からなるアプローチを提案する。
当社のアプローチでは、"知らない"結果の8%を含む、全体的な精度を72%に向上しています。
論文 参考訳（メタデータ） (2024-05-20T00:28:00Z) - ReFIT: Relevance Feedback from a Reranker during Inference [109.33278799999582]
Retrieve-and-Rerankは、ニューラル情報検索の一般的なフレームワークである。
本稿では,リランカを利用してリコールを改善する手法を提案する。
論文 参考訳（メタデータ） (2023-05-19T15:30:33Z)
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。