論文の概要: ReToolSQL: Agentic Reinforcement Learning for Robust Text-to-SQL
- arxiv url: http://arxiv.org/abs/2608.27796v1
- Date: Fri, 28 Aug 2026 00:23:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.170467
- Title: ReToolSQL: Agentic Reinforcement Learning for Robust Text-to-SQL
- Title（参考訳）: ReToolSQL:ロバストテキストからSQLへのエージェント強化学習
- Abstract要約: ReToolはテキスト・ツー・Teacherのための2段階のトレーニングフレームワークである。
ツール利用トラジェクトリ上で適切に設計されたSFT$to$RFTパイプラインは、堅牢なエンタープライズグレードのテキスト・トゥ・ティーチンガーへの実践的な道であることを示す。
- 参考スコア（独自算出の注目度）: 3.318897003817309
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Recent work has shown that reinforcement learning from execution feedback can substantially improve text-to-SQL performance, often enabling smaller models to match or exceed much larger systems. However, most existing approaches treat SQL generation as a single-turn task, limiting the model's ability to recover from errors through iterative refinement. We present ReToolSQL, a two-stage training framework for text-to-SQL that combines (i) a supervised warm-start on rejection-sampled reasoning traces with (ii) agentic reinforcement fine-tuning (RFT) over multi-turn tool-use trajectories. The key insight is that the two stages act on complementary axes, the supervised fine-tuning (SFT) on verified privileged-teacher traces expands the set of solvable questions (raising pass@k coverage on the hardest cases), while RFT converts that expanded capability into higher single-pass accuracy by teaching the model when to verify, what evidence to retrieve, and how to repair faulty SQL from execution feedback. Applied to Gemma 4 instruction-tuned (31B), RFT alone achieves 73.66% execution accuracy (EX) on the BIRD-SQL development benchmark (74.12% EX with self-consistency). Initializing RFT from the SFT checkpoint (SFT$\to$RFT) yields our strongest model at 74.32% EX single-pass and 74.77% EX with self-consistency. At the time of writing, this ranked first on the BIRD single-model development-set leaderboard. The approach uses composite rewards anchored on execution correctness, requires no human annotation beyond the benchmark itself, and operates within a single dense 31B model, showing that a properly designed SFT$\to$RFT pipeline over tool-use trajectories is a practical path toward robust enterprise-grade text-to-SQL.
- Abstract（参考訳）: 最近の研究によると、実行フィードバックからの強化学習は、テキストとSQLのパフォーマンスを大幅に改善し、より小さなモデルがより大規模なシステムと一致したり、超えたりすることが可能である。
しかし、既存のほとんどのアプローチでは、SQL生成を単一ターンタスクとして扱い、反復的な洗練によってモデルがエラーから回復する能力を制限する。
ReToolSQLはテキストからSQLまでを組み合わせた2段階のトレーニングフレームワークです。
(i)拒絶サンプリングによる推論トレースを監督した温暖化開始
(II)多ターン工具用軌道上におけるエージェント強化微調整(RFT)
重要な洞察は、2つのステージが相補的な軸に作用し、認証された特権教育者トレースの教師付き微調整(SFT)が解決可能な質問のセットを拡張し(最も難しいケースにpass@kカバレッジを提示する)、RTTは、その拡張能力を検証のタイミング、取得の証拠、実行のフィードバックから欠陥SQLを修復する方法をモデルに教えることによってより高いシングルパス精度に変換する。
Gemma 4 命令チューニング (31B) に適用された RFT は BIRD-SQL 開発ベンチマーク (74.12% EX with self-consistency) で 73.66% の実行精度 (EX) を達成した。
SFTチェックポイント(SFT$\to$RFT)から初期化すると、74.32%のEXシングルパスと74.77%のEXで自己整合性が得られる。
執筆時点では、BIRDのシングルモデル開発セットのリーダーボードにランクインした。
このアプローチでは、実行の正確性に固定された複合的な報酬を使用し、ベンチマーク自体以外に人間のアノテーションを必要とせず、単一の密集した31Bモデル内で動作し、ツール使用トラジェクトリよりも適切に設計されたSFT$\to$RFTパイプラインが、堅牢なエンタープライズレベルのテキストからSQLへの実践的なパスであることを示している。
関連論文リスト
- Spider 2.0-AIFunc: Extending Real-World Text-to-SQL to AI-Native SQL Workflows [54.49251107006261]
我々はSpider 2.0-AIFuncを紹介した。これは、Snowflakeプラットフォーム上の6種類のAI機能をカバーする125の現実世界データベースにわたる465の検証済みインスタンスのベンチマークである。
最強のプロプライエタリモデルは67-70%の精度で実行でき、最高のオープンソースモデルは58.1%に達する。
論文 参考訳（メタデータ） (2026-07-07T12:54:08Z) - ReViSQL: Achieving Human-Level Text-to-SQL [8.94428202485629]
本稿では,BIRDベンチマークデータ上での人間レベルの精度向上を目的とした,合理化フレームワークReViを紹介する。
複雑なAIエージェントの代わりに、ReViは、私たちがキュレートしたデータセットBIRD-で検証可能な報酬(RLVR)で学習を活用する。
我々はBIRDトレインの61.1%でデータエラーを特定し修正し、データ品質の改善だけで1世代精度を8.2～13.9%向上させることを示した。
論文 参考訳（メタデータ） (2026-03-20T14:49:27Z) - SQL-Trail: Multi-Turn Reinforcement Learning with Interleaved Feedback for Text-to-SQL [20.49395306069103]
テキスト・ツー・ワン・ジェネレーションのためのマルチターン強化学習(RL)エージェント・フレームワークを提案する。
1ショットでクエリを生成するのではなく、SQL-Trailはデータベース環境と対話し、実行フィードバックを使用して予測を反復的に洗練する。
提案手法は, エージェントの相互作用深度を問合せ難易度に合わせるための適応的なターン予算配分機構と, sqlの正しさと効率的な探索を両立させる複合報酬パネルの2つを主眼とする。
論文 参考訳（メタデータ） (2026-01-25T05:16:52Z) - 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) - MTIR-SQL: Multi-turn Tool-Integrated Reasoning Reinforcement Learning for Text-to-SQL [46.37961458768655]
大規模言語モデル (LLM) は、テキストから認識するタスクにますます使われている。
既存のメソッドは、リアルタイムエラー訂正を制限する静的な実行フィードバックに依存している。
本稿では, MTIR-IDERを提案する。
論文 参考訳（メタデータ） (2025-10-29T13:34:27Z) - CogniSQL-R1-Zero: Lightweight Reinforced Reasoning for Efficient SQL Generation [1.169202600932732]
本稿では,強化学習(RL)フレームワークとモデルであるCogni-R1-Zeroを紹介する。
我々は、実行の正しさとフォーマットタグのコンプライアンスに基づく軽量な報酬信号を使用する。
提案手法は,Text2ベンチマーク上での最先端実行精度を実現する。
効率的かつ解釈可能なテキスト・ツー・コード・モデリングのさらなる研究を支援するために、2つのキュレートされたデータセットをリリースする。
論文 参考訳（メタデータ） (2025-07-08T14:17:07Z) - RAISE: Reasoning Agent for Interactive SQL Exploration [47.77323087050061]
本稿では,スキーマリンク,クエリ生成,反復的改善を1つのエンドツーエンドコンポーネントに統一する新しいフレームワークを提案する。
本手法は、不慣れなデータベースを扱う際に、人間がどう答えるかをエミュレートする。
論文 参考訳（メタデータ） (2025-06-02T03:07:08Z) - 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) - 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) - ExCoT: Optimizing Reasoning for Text-to-SQL with Execution Feedback [49.21833666405111]
大規模言語モデル(LLM)は、多くの推論タスクにおいて優れているが、Chain-of-Thought(CoT)推論を活用する能力はいまだに未定である。
我々は,オープンソース LLM を反復的に最適化する新しいフレームワークである ExCoT を提案する。
論文 参考訳（メタデータ） (2025-03-25T18:17:36Z) - 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。