論文の概要: Closing the Cross-Dialect Gap: Query Plans as a Portable Interface in Text-to-SQL

• arxiv url: http://arxiv.org/abs/2609.33670v1
• Date: Sun, 27 Sep 2026 15:30:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 17:49:28.697375
• Title: Closing the Cross-Dialect Gap: Query Plans as a Portable Interface in Text-to-SQL
• Title（参考訳）: クロスプラットフォームギャップのクローズ: テキストからSQLへの移植可能なインターフェースとしてのクエリプラン
• Abstract要約: 単方向の仮定は、テストしたすべてのモデルに対して、クロスダイアレクトの精度を大幅に低下させることを示す。 このドロップはスケール、アーキテクチャ、さらには汎用的なテキスト・ツー・リレーショナルシステムにわたって持続する。 これは、実行のために選択された生成ターゲットが必ずしも生成品質を最大化するものではないことを思い出させる。
• 参考スコア（独自算出の注目度）: 14.197566045449
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-SQL systems are typically trained and evaluated on a single dialect (SQLite), yet production deployments span PostgreSQL, MySQL, ClickHouse, and beyond. We show that this single-dialect assumption leads to a substantial drop in cross-dialect accuracy for every model we tested. The drop persists across scale, architecture, and even purpose-built text-to-SQL systems. We argue that the fix is to change the generation target: instead of asking an LLM to emit dialect-specific SQL, we have it emit a dialect-agnostic relational algebra query plan, which a deterministic compiler then renders into SQL for any supported backend. Across thirteen models from 3B to frontier scale, this restores cross-dialect portability nearly uniformly, at a small cost in peak accuracy on the model's home dialect for capable prompted models and none once fine-tuned on plans; under matched fine-tuning, plan supervision yields a stronger model than SQL supervision. We also introduce MetricName, a question-aware result-set comparator needed to evaluate fairly across dialects, where existing metrics confound semantic errors with benign cross-dialect variation. More broadly, the result is a reminder that a generation target chosen for execution is not necessarily the one that maximizes generation quality.
• Abstract（参考訳）: テキストからSQLシステムは通常、単一の方言(SQLite)でトレーニングされ、評価されるが、本番環境はPostgreSQL、MySQL、ClickHouseなどにまたがる。 このシングルダイアレクト仮定は、テストしたすべてのモデルに対して、クロスダイアレクトの精度を大幅に低下させることを示す。 このドロップは、スケール、アーキテクチャ、さらには汎用的に構築されたテキスト・トゥ・SQLシステムにわたって持続する。 LLMに方言固有のSQLを出力させる代わりに、方言に依存しないリレーショナル代数クエリプランを出力し、決定論的コンパイラがサポート対象のバックエンドに対してSQLにレンダリングする。 3Bからフロンティアスケールまでの13のモデルで、これはほぼ均一にクロスダイアレクトのポータビリティを復元し、モデルのホーム方言のピーク精度を低いコストで向上させる。 MetricNameは、方言間で適切な評価を行うために必要な質問認識結果セットのコンパレータで、既存のメトリクスは、良質なクロスダイアレクト変動を伴うセマンティックエラーを発生させる。 より広義には、実行のために選択された生成ターゲットが必ずしも生成品質を最大化するものではないことを思い出させる。

関連論文リスト

• A Semantic-Layer-Mediated Agent for Natural Language to SQL over Heterogeneous Enterprise Databases [0.0]
  そこで本研究では,意味的意図を物理スコール実行から切り離す意味的層を介するNL2エージェントを提案する。 このシステムは制約付きシンクアクトループを採用し、BigQueryとSnowflakeバックエンドをサポートし、エンドツーエンド評価フレームワークに統合されている。 Gemini 3 Pro は 547-task Spider2-snow ベンチマークで94.15% の精度で実行され、公式のリーダーボードで3位にランクインし、スキーマのみのアプローチを大幅に上回った。
  論文  参考訳（メタデータ） (2026-06-30T02:22:39Z)
• ProSPy: A Profiling-Driven SQL-Python Agentic Framework for Enterprise Text-to-SQL [51.98164069124653]
  ProSPyは、エンタープライズスケールのテキスト-非依存分析のためのプロファイリング駆動フレームワークである。 ProSPyは推論プロセスを4段階に構成する。 まず、自動プロファイリングにより、きめ細かいデータ証拠を抽出する。 大規模なスキーマをタスク関連コンテキストに抽出する。
  論文  参考訳（メタデータ） (2026-06-04T08:13:05Z)
• PolySQL: Scaling Text-to-SQL Evaluation Across SQL Dialects via Automated Backend Isomorphism [5.75736217540603]
  Polylectは、正規化の実行結果を比較することで、クエリのトランスパイルを不要にする、新しいデュアルエグゼバスト方式である。 本研究により,他の方言からの平均精度が10.1%低下し,重要な方言難易度階層が同定された。
  論文  参考訳（メタデータ） (2026-05-08T14:32:44Z)
• Track-SQL: Enhancing Generative Language Models with Dual-Extractive Modules for Schema and Context Tracking in Multi-turn Text-to-SQL [50.84251174559123]
  生成言語モデルの性能は、マルチターンテキストソースと同程度に拡張されない。 マルチターンテキスト・ソースにおけるスキーマとコンテキスト変化を追跡するために設計された二重抽出モジュールを用いた生成言語モデルを強化するトラック-を提案する。 Track-は、データセットでそれぞれ7.1%と9.55%のマルチターンインタラクションの実行精度を大幅に改善する。
  論文  参考訳（メタデータ） (2026-03-06T07:57:06Z)
• 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)
• RetrySQL: text-to-SQL training with retry data for self-correcting query generation [1.6707278580444538]
  テキスト・ツー・ジェネレーションモデルをトレーニングするための新しいアプローチであるRetryを紹介します。 再試行のステップは、総合的および挑戦的な実行精度の指標において最大4ポイントの改善をもたらすことを実証する。
  論文  参考訳（メタデータ） (2025-07-03T11:00:49Z)
• ExeSQL: Self-Taught Text-to-SQL Models with Execution-Driven Bootstrapping for SQL Dialects [24.450818792474216]
  この作業では、実行駆動のエージェントブートストラップを備えたテキストからガイダンスのフレームワークであるExeを紹介した。 Exeはテキストとガイダンスの学習における方言のギャップを埋め、それぞれ15.2%、10.38%、および4.49%のGPT-4o以降の平均的な改善を実現している。
  論文  参考訳（メタデータ） (2025-05-22T19:13:34Z)
• SQL-GEN: Bridging the Dialect Gap for Text-to-SQL Via Synthetic Data And Model Merging [30.306023265985658]
  あらゆる方言に対して高品質な合成学習データを生成するためのフレームワークを提案する。 本稿では,方言間の共有知識を活用する新しいMixture-of-Experts(MoE)を提案する。
  論文  参考訳（メタデータ） (2024-08-22T20:50:48Z)
• Wav2SQL: Direct Generalizable Speech-To-SQL Parsing [55.10009651476589]
  Speech-to-Spider (S2Spider) は、与えられたデータベースに対する音声質問をsqlクエリに変換することを目的としている。 ケースドシステム間の誤り合成を回避した,最初の直接音声-話者パーシングモデルWav2を提案する。 実験結果から,Wav2は誤差混成を回避し,ベースラインの精度を最大2.5%向上させることで最先端の結果が得られることがわかった。
  論文  参考訳（メタデータ） (2023-05-21T19:26:46Z)
• XRICL: Cross-lingual Retrieval-Augmented In-Context Learning for Cross-lingual Text-to-SQL Semantic Parsing [70.40401197026925]
  大規模言語モデルを用いたインコンテキスト学習は、最近セマンティック解析タスクの驚くべき結果を示している。 この研究は、あるクエリに対して関連する英語の例を検索する学習を行うXRICLフレームワークを導入している。 また、大規模言語モデルの翻訳プロセスを容易にするために、対象言語に対するグローバルな翻訳例も含んでいる。
  論文  参考訳（メタデータ） (2022-10-25T01:33:49Z)
• 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)

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。