論文の概要: DualSQL: Text-to-SQL with Multi-Agent Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2609.18135v1
- Date: Wed, 16 Sep 2026 05:16:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.65356
- Title: DualSQL: Text-to-SQL with Multi-Agent Reinforcement Learning
- Title（参考訳）: DualSQL: マルチエージェント強化学習を備えたテキストからSQL
- Abstract要約: 単一のモデルバックボーンを動力とする2つのエージェントからなるテキスト・ツー・エージェントシステムを提案する。
エージェントは同じモデル重量とエージェント足場を共有し、共同最適化を可能にする。
わずか3755の例で訓練した結果、Dual-4Bは68.0%の精度を達成した。
- 参考スコア（独自算出の注目度）: 16.65648026340978
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: State-of-the-art Text-to-SQL systems are typically multi-agent pipelines centered around two fundamental tasks: schema linking and SQL generation. However, existing work trains separate models for each task, failing to leverage the synergy between these interrelated tasks. In this work, we propose DualSQL, a new Text-to-SQL system consisting of two agents powered by a single model backbone. The agents share the same model weights and agentic scaffold, enabling joint optimization through a robust multi-agent reinforcement learning (RL) framework. We design three database access tools to facilitate effective multi-step reasoning grounded to interactions with the databases. To improve training and avoid model collapse, we introduce a set of rollout guardrail mechanisms that stabilizes multi-agent RL training, supporting DualSQL to keep improving during training. We also introduce a new SQL correctness metric, robust execution match (REX), to more accurately judge SQL correctness and assign reward signals. Being trained on only 3755 examples, DualSQL-4B achieves an impressive 68.0% execution accuracy on the BIRD development set, matching previous 7B models. DualSQL-8B further improves to 71.1%, outperforming previous state-of-the-art single-model solutions with 32B parameters. These results demonstrate the strength of joint multi-agent reinforcement learning for building high performance Text-to-SQL pipelines.
- Abstract（参考訳）: 最先端のText-to-SQLシステムは一般的に、スキーマリンクとSQL生成という2つの基本的なタスクを中心としたマルチエージェントパイプラインである。
しかし、既存のワークトレインはタスクごとにモデルを分離し、これらの相互関連タスク間のシナジーを活用できない。
本研究では,単一のモデルバックボーンを動力とする2つのエージェントからなる新しいテキスト-SQLシステムであるDualSQLを提案する。
エージェントは同じモデルウェイトとエージェントの足場を共有し、堅牢なマルチエージェント強化学習(RL)フレームワークによる共同最適化を可能にする。
本研究では,データベースとのインタラクションに基づく効果的な多段階推論を容易にするために,データベースアクセスツールを3つ設計する。
トレーニングの改善とモデル崩壊の回避を目的として,マルチエージェントRLトレーニングを安定化するロールアウトガードレール機構を導入した。
また、SQLの正確さをより正確に判断し、報酬信号を割り当てるために、新しいSQLの正確性基準、堅牢な実行マッチ(REX)を導入します。
わずか3755の例でトレーニングされたDualSQL-4Bは、以前の7Bモデルと一致するBIRD開発セットで68.0%の実行精度を達成した。
DualSQL-8Bはさらに71.1%に改善され、32Bパラメータによる従来の最先端のシングルモデルソリューションを上回った。
これらの結果は,高性能なテキスト-SQLパイプライン構築のためのマルチエージェント強化学習の強みを示している。
関連論文リスト
- ReToolSQL: Agentic Reinforcement Learning for Robust Text-to-SQL [3.318897003817309]
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。
論文 参考訳（メタデータ） (2026-08-28T00:23:31Z) - 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) - MARS-SQL: A multi-agent reinforcement learning framework for Text-to-SQL [22.59453421744114]
基本的タスク分解と対話型強化学習(RL)を組み合わせた新しいマルチエージェントフレームワークMARS-を紹介する。
実験の結果、MARS-はBIRDセットで77.84%、スパイダーテストセットで89.84%の最先端の実行精度を達成した。
論文 参考訳（メタデータ） (2025-11-02T16:55:30Z) - DCMM-SQL: Automated Data-Centric Pipeline and Multi-Model Collaboration Training for Text-to-SQL Model [11.316516771988768]
我々は,テキストからタスクへのデータ中心パイプラインを設計する。
また、異なる拡張データを用いて複数のモデルを訓練することを目的としたマルチモデル協調学習スキーマを提案する。
実験結果とアブレーション実験により,データ中心パイプラインとマルチモデル(MM)インタラクティブ戦略の有効性が示された。
論文 参考訳（メタデータ） (2025-10-27T12:53:39Z) - Reinforcement Learning for Machine Learning Engineering Agents [52.03168614623642]
強化学習によって改善される弱いモデルによって支援されるエージェントは、はるかに大きいが静的モデルによって支援されるエージェントよりも優れていることを示す。
分散非同期RLフレームワークにおいて,高コストかつ高利回りな動作を増幅するための時間依存性の勾配更新を提案する。
また,早期に失敗するプログラムとほぼ正しくないプログラムを区別し,部分クレジットを提供する環境機器を提案する。
論文 参考訳（メタデータ） (2025-09-01T18:04:10Z) - XiYan-SQL: A Novel Multi-Generator Framework For Text-to-SQL [48.45491386478092]
本稿では,複数の候補を効果的に生成・活用する革新的なフレームワークであるXiYan-を提案する。
XiYan-はBIRDベンチマークで75.63%の新しいSOTA性能を達成した。
また、スパイダーテストセットのSOTA性能も89.65%の精度で達成した。
論文 参考訳（メタデータ） (2025-07-07T06:50:46Z) - MAC-SQL: A Multi-Agent Collaborative Framework for Text-to-SQL [47.120862170230566]
最近のText-to-Yourselfメソッドは通常、"巨大な"データベース上での大幅なパフォーマンス劣化に悩まされる。
我々は,新しいテキスト・ツー・ユー・セルフ LLM ベースのマルチエージェント協調フレームワーク MAC を紹介する。
我々のフレームワークでは、GPT-4を全てのエージェントタスクの強力なバックボーンとして利用し、フレームワークの上限を決定する。
次に、Code 7Bを活用することで、オープンソースの命令フォローモデルであるsql-Llamaを微調整し、GPT-4のように全てのタスクを達成します。
論文 参考訳（メタデータ） (2023-12-18T14:40:20Z) - An Empirical Study of Multimodal Model Merging [148.48412442848795]
モデルマージは、異なるタスクでトレーニングされた複数のモデルを融合してマルチタスクソリューションを生成するテクニックである。
我々は、モダリティ固有のアーキテクチャのビジョン、言語、およびクロスモーダルトランスフォーマーをマージできる新しい目標に向けて研究を行っている。
本稿では,重み間の距離を推定し,マージ結果の指標となる2つの指標を提案する。
論文 参考訳（メタデータ） (2023-04-28T15:43:21Z)
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。