論文の概要: Iteration Without Elaboration: A Simple ReAct Architecture Suffices for Text-to-SQL Generation

• arxiv url: http://arxiv.org/abs/2608.22651v1
• Date: Sun, 23 Aug 2026 23:16:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:36.982115
• Title: Iteration Without Elaboration: A Simple ReAct Architecture Suffices for Text-to-SQL Generation
• Title（参考訳）: Elaborationのないイテレーション: テキストからSQL生成のためのシンプルなリアクトアーキテクチャ
• Abstract要約: 我々は、反復推論に基づいて構築されたゼロショットフレームワーク textbfReAct- と、15の操作からなる型付きドメイン特化言語(DSL)によって定義された制約されたアクション空間を示す。 修正されたBIRD mini-dev と EHR- では、ReAct- はそれぞれ textbf84.5% と text73.9% の精度を達成し、より精巧なベースラインとほぼ一致し、最大 8times$ の高速化を実現した。
• 参考スコア（独自算出の注目度）: 10.356078608342605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern text-to-SQL systems have become increasingly elaborate, relying on schema-linking modules, retrieval-augmented prompting, candidate generation, and multi-stage refinement pipelines. While effective, these additions introduce substantial latency and engineering overhead. To this end, we present \textbf{ReAct-SQL}, a simple yet effective zero-shot ReAct-style framework built solely on iterative reasoning and a constrained action space defined by a typed Domain-Specific Language (DSL) of 15 relational operations, rather than free-form SQL generation. The model incrementally issues DSL calls, observes compiled-SQL execution feedback, and revises its reasoning through interaction. On corrected BIRD mini-dev and EHR-SQL, ReAct-SQL achieves \textbf{84.5\%} and \textbf{73.9\%} accuracy, respectively, matching substantially more elaborate baselines while running up to $8\times$ faster. Incremental ablations further show that iteration primarily improves grounding, while the DSL improves compositional reliability.
• Abstract（参考訳）: 現代のテキストからSQLへのシステムは、スキーマリンクモジュール、検索強化プロンプト、候補生成、マルチステージリファインメントパイプラインなどに依存するように、ますます精巧になってきている。 有効ではあるが、これらの追加は相当なレイテンシとエンジニアリングオーバーヘッドをもたらす。 この目的のために我々は,リレーショナルな15の型付きドメイン特化言語(DSL)によって定義された反復的推論と制約されたアクション空間のみに基づいて構築された,シンプルで効果的なゼロショットのReAct-SQLフレームワークである,‘textbf{ReAct-SQL} を提示する。 このモデルはDSLコールを漸進的に発行し、コンパイルされたSQLの実行フィードバックを観察し、インタラクションを通じて推論を改訂する。 修正されたBIRD mini-dev と EHR-SQL では、ReAct-SQL は \textbf{84.5\%} と \textbf{73.9\%} の精度をそれぞれ達成し、より精巧なベースラインとほぼ一致し、最大8\times$ の高速化を実現している。 増分的な改善は、イテレーションが主にグラウンディングを改善し、DSLはコンポジションの信頼性を改善していることを示している。

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)
• CRED-SQL: Enhancing Real-world Large Scale Database Text-to-SQL Parsing through Cluster Retrieval and Execution Description [15.080310729603466]
  CRED-は大規模データベース向けに設計されたフレームワークで、クラスタ検索と実行記述を統合している。 自然言語質問(NLQ)と対応するsqlクエリのギャップを埋める。 CRED-は最新のgit-the-art(SOTA)パフォーマンスを実現し、その有効性とスケーラビリティを検証する。
  論文  参考訳（メタデータ） (2025-08-18T09:43:07Z)
• HI-SQL: Optimizing Text-to-SQL Systems through Dynamic Hint Integration [1.3927943269211591]
  テキスト・ツー・ジェネレーションは自然言語とデータベースのギャップを埋め、ユーザーは専門知識を必要とせずにデータをクエリできる。 履歴クエリログを利用した新しいヒント生成機構を組み込んだパイプラインHI-theを提案する。 先行クエリを解析することにより、マルチテーブルおよびネストされた操作の複雑さを扱うことに焦点を当てたコンテキストヒントを生成する。 提案手法は,LCM生成クエリのクエリ精度を大幅に向上し,呼び出しやレイテンシの面で効率性を確保した。
  論文  参考訳（メタデータ） (2025-06-11T12:07:55Z)
• UNJOIN: Enhancing Multi-Table Text-to-SQL Generation via Schema Simplification [50.59009084277447]
  論理生成からスキーマ要素の検索を分離するフレームワークUNJOINを紹介する。 最初の段階では、各列をテーブル名でプレフィックスすることで、データベース内のすべてのテーブルの列名を単一のテーブル表現にマージします。 第2段階では、クエリは、この単純化されたスキーマに基づいて生成され、JOIN、UNION、リレーショナルロジックを再構築することで、元のスキーマにマップされる。
  論文  参考訳（メタデータ） (2025-05-23T17:28:43Z)
• ReEx-SQL: Reasoning with Execution-Aware Reinforcement Learning for Text-to-SQL [21.29343406227956]
  実行フィードバックは、大規模言語モデルを正確に推論し、信頼性の高いクエリを生成するために不可欠である。 既存の方法は、修正や選択のためのポストホック信号としてのみ実行フィードバックを処理し、生成プロセスに統合することができない。 本稿では,ReEx-Reasoningを提案する。ReEx-Reasoningは,デコード中にモデルがデータベースと対話し,実行フィードバックに基づいて推論を動的に調整できるフレームワークである。
  論文  参考訳（メタデータ） (2025-05-19T06:46:47Z)
• Rationalization Models for Text-to-SQL [13.792561265515003]
  本稿では,テキスト・ツー・シークレット・モデルの微調整を強化するために,CoT(Chain-of-Thought)論理を生成するフレームワークを提案する。 プロセスは、手動でサンプルの小さなセットをアノテートすることから始まり、その後、大きな言語モデルを促すために使用される。 その後、検証されたクエリに基づいて合理化モデルをトレーニングし、広範な合成CoTアノテーションを可能にする。
  論文  参考訳（メタデータ） (2025-02-10T18:38:57Z)
• 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)
• 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)
• 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)
• 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)

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。