論文の概要: ModularSQL: A Runtime Guardrail for the Multiplicity Blind Spot in Text-to-SQL

• arxiv url: http://arxiv.org/abs/2609.29573v1
• Date: Wed, 26 Aug 2026 20:59:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.077777
• Title: ModularSQL: A Runtime Guardrail for the Multiplicity Blind Spot in Text-to-SQL
• Title（参考訳）: ModularSQL: テキストからSQLへの多重盲点のランタイムガードレール
• Abstract要約: テキスト保存システムは、ますます本番データベースにデプロイされ、ベンチマーク評価に合格するクエリは、下流で歪む結果を生み出す可能性がある。 標準セットベースの実行精度(Set-EX)は重複行を崩壊させるため、多重度エラーを見逃す可能性がある。 これをMBS(Multiplicity Blind Spot)と呼び、多重性障害を露呈するMultiset-EXを導入する。
• 参考スコア（独自算出の注目度）: 4.583541422554719
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-to-SQL systems are increasingly deployed on production databases, where queries that pass benchmark evaluation can still produce results that distort downstream workflows. Standard set-based execution accuracy (Set-EX) collapses duplicate rows and can therefore miss multiplicity errors, including missing DISTINCT, inflated aggregates, and Cartesian-style join explosions. We call this the Multiplicity Blind Spot (MBS) and introduce Multiset-EX, a multiplicity-preserving evaluation criterion that exposes such failures. Across released DeepEye-SQL artifacts from three backbones (Qwen2.5-Coder-32B, Qwen3-Coder-30B-A3B, and Gemma-3-27B) on executable BIRD-Dev N=1532, we find a consistent 5.81--6.79 pp gap between Set-EX and Multiset-EX. The gap is not specific to DeepEye-SQL: it persists on released DAIL-SQL+GPT-4 (5.22 pp) and BIRD GPT-3.5-turbo (3.39 pp) predictions. We further introduce ModularSQL, a lightweight post-selection runtime guardrail that probes executed results for multiplicity anomalies and applies deterministic patches or low-cost LLM rescue only to flagged queries. Integrated with DeepEye-SQL using Qwen3-Coder, ModularSQL preserves Set-EX at 72.06% while improving Multiset-EX from 65.86% to 67.75% (+1.89 pp). It flags 77 high-risk anomalies, while adding only $0.0076 in total LLM cost and 120 ms amortized latency per query. Cross-pipeline evaluation shows that the candidate-free detector and deterministic patches also transfer to independently released prediction sets. Overall, these results show that benchmark accuracy does not necessarily imply execution-safe SQL, and that lightweight, multiplicity-aware runtime guardrails can narrow this gap with modest computational overhead.
• Abstract（参考訳）: テキストからSQLへのシステムは、ますます本番データベースにデプロイされるようになり、ベンチマーク評価に合格するクエリは、下流のワークフローを歪ませる結果を生み出すことができる。 標準セットベースの実行精度(Set-EX)は重複行を崩壊させるため、DISTINCTの欠如、膨らませられた集合、カルテシアン形式の結合爆発などの多重度エラーを見逃す可能性がある。 これをMBS(Multiplicity Blind Spot)と呼び、そのような障害を露呈する多重性保存評価基準であるMultiset-EXを導入する。 BIRD-Dev N=1532で3つのバックボーン(Qwen2.5-Coder-32B、Qwen3-Coder-30B-A3B、Gemma-3-27B)からDeepEye-SQLアーティファクトをリリースした。 DAIL-SQL+GPT-4 (5.22 pp) と BIRD GPT-3.5-turbo (3.39 pp) の予測を継続する。 さらに、ModularSQLは、マルチプライシティ異常に対する実行結果を探索し、フラグ付きクエリにのみ、決定論的パッチや低コストのLCMレスキューを適用する軽量な実行時ガードレールである。 Qwen3-Coderを使用してDeepEye-SQLと統合されたModularSQLは、Set-EXを72.06%、Multiset-EXを65.86%から67.75%(+1.89 pp)に改善した。 77のハイリスク異常をフラグ付けし、総LLMコストが0.0076ドル、クエリ毎に120ミリ秒のアモータライズされたレイテンシを追加する。 クロスピペリン評価は、候補のない検出器と決定論的パッチも独立に放出された予測セットに転送されることを示している。 これらの結果は、ベンチマークの精度が必ずしも実行セーフなSQLを含まないことを示し、軽量でマルチプライオリティを意識したランタイムガードレールは、このギャップを控えめな計算オーバーヘッドで狭めることができることを示している。

関連論文リスト

• text2ql: Multi-Target Natural Language Querying via a Language-Agnostic Intermediate Representation [0.9927219503124457]
  本稿では,自然言語インタフェースのためのオープンソースのPythonアーキテクチャであるtext2qlについて述べる。 自然言語インタフェースからデータベースへの3つの構造的制限に対処する。 言語に依存しない中間表現(QueryIR)アーキテクチャに基づいている。
  論文  参考訳（メタデータ） (2026-09-02T05:09:51Z)
• 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)
• SIRIUS-SQL: Anchoring Multi-Candidate Text-to-SQL in Execution Feedback [26.80964126227997]
  テキスト・ツー・オンの複雑なスキーマは単一のパスでは信頼性が低いため、最近のシステムは複数のsql候補を生成し、エラーをフィルタする。 投票だけでは十分ではない。多候補のレシピには3つの弱点があるからだ。 3つの弱点に対処するSIRIUS-32Bを提案する。
  論文  参考訳（メタデータ） (2026-05-31T13:59:09Z)
• R$^3$-SQL: Ranking Reward and Resampling for Text-to-SQL [55.967050404665606]
  R$3$-はBIRD-devで75.03の精度を達成した。
  論文  参考訳（メタデータ） (2026-04-28T07:40:50Z)
• CORE-T: COherent REtrieval of Tables for Text-to-SQL [91.76918495375384]
  CORE-Tはスケーラブルでトレーニング不要なフレームワークで、テーブルに目的のメタデータを付加し、軽量なテーブル互換キャッシュをプリコンプリートする。 バード、スパイダー、MMQAを越えて、CORE-Tはテーブル選択F1を最大22.7ポイント改善し、最大42%のテーブルを検索する。
  論文  参考訳（メタデータ） (2026-01-19T14:51:23Z)
• DeKeyNLU: Enhancing Natural Language to SQL Generation through Task Decomposition and Keyword Extraction [46.422626657078666]
  本稿では,1500組のQAペアを含む新しいデータセットであるDeKeyNLUを提案する。 本稿では,ユーザ質問理解,エンティティ検索,生成に3つのモジュールを使用するRAGベースのNL2パイプラインであるDeKeyを提案する。
  論文  参考訳（メタデータ） (2025-09-18T00:47:56Z)
• SWE-SQL: Illuminating LLM Pathways to Solve User SQL Issues in Real-World Applications [42.04389915459889]
  本稿では,BIRDCRITICを紹介した。 また、オープンソースのモデル機能を高めるためのトレーニング環境であるSixGymを紹介します。 これらのコンポーネントをオープンソースのエージェントであるBirdFixer-2.5-14Bに統合します。
  論文  参考訳（メタデータ） (2025-06-23T09:41:37Z)
• 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。