論文の概要: ARCS: Towards Precise Text-to-SQL via Structured Disambiguation

• arxiv url: http://arxiv.org/abs/2610.09396v2
• Date: Wed, 14 Oct 2026 03:57:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:14.988031
• Title: ARCS: Towards Precise Text-to-SQL via Structured Disambiguation
• Title（参考訳）: ARCS: 構造化された曖昧さによる高精度テキストからSQLへ
• Abstract要約: テキストと曖昧さのシステムは、実世界の展開へのデモを超えて、ユーザの問合せの曖昧さがエラーの主な原因となる。 本稿では,自由形式の対話ではなく,明示的で制約のある対話を通じてあいまいさを解消する新しいパラダイムを提案する。
• 参考スコア（独自算出の注目度）: 12.286878327914833
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As text-to-SQL systems move beyond demonstrations toward real-world deployment, ambiguity in user questions becomes a primary source of errors. Such ambiguities are often subtle, domain- or data-specific, and can silently cause system outputs to deviate from the user's true intent. Ambiguity is traditionally addressed through conversational clarification, which is often inefficient, cognitively demanding, and poorly aligned with real-world user workflows. We propose structured disambiguation, a new paradigm in which ambiguity is resolved through explicit, constrained interactions rather than free-form dialogue. We construct ARCS (Ambiguity Resolution Corpus for SQL), the first text-to-SQL benchmark featuring naturally occurring, unconstrained ambiguities over real-world databases, with complete annotations of all valid ambiguity points, interpretations, and SQL queries. Experimental results show that text-to-SQL remains challenging in the presence of ambiguity: gpt-6-sol achieves only 51% end-to-end execution accuracy, and no open-source model exceeds 27%.
• Abstract（参考訳）: テキストからSQLへのシステムは、実世界のデプロイへのデモを超えて、ユーザの質問の曖昧さがエラーの主な原因となる。 このような曖昧さは、しばしば微妙で、ドメインやデータ固有のものであり、システムの出力をユーザーの真の意図から逸脱させる可能性がある。 あいまいさは伝統的に会話の明確化によって対処される。これは多くの場合、非効率で認知的に要求され、現実世界のユーザーワークフローと不整合である。 本稿では,自由形式の対話ではなく,明示的で制約のある対話を通じてあいまいさを解消する,構造化されたあいまいさ(Structured Disambiguation)を提案する。 我々はARCS(Ambiguity Resolution Corpus for SQL)を構築する。これは、現実のデータベース上で自然に発生し、制約のないあいまいさを特徴とし、有効なあいまいさ点、解釈、SQLクエリの完全なアノテーションを持つ最初のテキスト間SQLベンチマークである。 gpt-6-solは、エンドツーエンドの実行精度が51%しかなく、オープンソースモデルが27%を超えていない。

関連論文リスト

• Reflect-SQL: A Self-Reflection Based Framework for Text-to-SQL [3.052889399420755]
  自然言語によるデータアクセスの民主化は、現代企業にとって重要な目標である。 テキスト・トゥ・エフェクトの実践的採用は、現実世界の複雑さによって著しく妨げられている。 我々は,多段階自己回帰アプローチに基づくテキスト tosql の新たなフレームワークである Reflect- を紹介する。 我々のフレームワークは72.03%の精度で実行し、最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-09-01T07:46:27Z)
• SOMA-SQL: Resolving Multi-Source Ambiguity in NL-to-SQL via Synthetic Log and Execution Probing [37.513757157512686]
  ユーザ質問、データベーススキーマ、モデル解釈の曖昧さは、NL2の中心的な障害モードである。 本稿では,目的の合成クエリログとあいまいさ駆動型探索により,あいまいさを自動的に解決するSOMA-を提案する。 6つの公開ベンチマークの実験では、SOMA-は最先端のベースラインよりも平均して13.0%の精度で実行されている。
  論文  参考訳（メタデータ） (2026-06-09T20:18:22Z)
• 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)
• CLARITY: A Framework and Benchmark for Conversational Language Ambiguity and Unanswerability in Interactive NL2SQL Systems [13.595364881493943]
  既存のベンチマークは通常、曖昧さの単一のソースを仮定し、解決のためにユーザインタラクションに依存します。 Clarityは,多面的曖昧さと多様なユーザ動作を備えたNL2ベンチマークを自動生成するフレームワークである。 業界グレードのNL2システムにおいて,より堅牢なあいまいさ検出と解決の必要性を強調した。
  論文  参考訳（メタデータ） (2026-04-24T07:47:16Z)
• PleaSQLarify: Visual Pragmatic Repair for Natural Language Database Querying [18.984258388809042]
  我々は、解釈可能な決定変数に関する相互作用を構造化することにより、実用的修復を運用するtextscPleaarifyを提案する。 TextscPleaarifyは、12人の参加者を対象にした研究で、ユーザーが代替の解釈を認識し、曖昧さを効果的に解決する手助けをした。
  論文  参考訳（メタデータ） (2026-03-02T12:24:29Z)
• AmbiSQL: Interactive Ambiguity Detection and Resolution for Text-to-SQL [0.9217021281095907]
  本稿では,クエリのあいまいさを自動的に検出し,ユーザの意図を明らかにするための複数の質問を通じてユーザをガイドする対話型システムAmbiを紹介する。 Ambiは曖昧さ検出の87.2%を達成し、テキストからデータセットシステムに統合された場合、精度を50%向上する。
  論文  参考訳（メタデータ） (2025-08-21T06:10:28Z)
• Disambiguate First, Parse Later: Generating Interpretations for Ambiguity Resolution in Semantic Parsing [56.82807063333088]
  本稿では, 自然言語の解釈を論理形式にマッピングする前に, あいまいさを解消するモジュラー手法を提案する。 我々のアプローチは解釈のカバレッジを改善し、異なるアノテーションスタイル、データベース構造、あいまいさタイプを持つデータセットをまたいだ一般化を行う。
  論文  参考訳（メタデータ） (2025-02-25T18:42:26Z)
• AMBROSIA: A Benchmark for Parsing Ambiguous Questions into Database Queries [56.82807063333088]
  我々は,新たなベンチマークであるAMBROSIAを導入し,テキスト・ツー・オープン・プログラムの開発を促進することを期待する。 私たちのデータセットには、3種類のあいまいさ(スコープのあいまいさ、アタッチメントのあいまいさ、あいまいさ)を示す質問が含まれている。 いずれの場合も、データベースのコンテキストが提供されてもあいまいさは持続する。 これは、スクラッチからデータベースを制御して生成する、新しいアプローチによって実現される。
  論文  参考訳（メタデータ） (2024-06-27T10:43:04Z)
• "What Do You Mean by That?" A Parser-Independent Interactive Approach for Enhancing Text-to-SQL [49.85635994436742]
  ループ内に人間を包含し,複数質問を用いてユーザと対話する,新規非依存型対話型アプローチ(PIIA)を提案する。 PIIAは、シミュレーションと人的評価の両方を用いて、限られたインタラクションターンでテキストとドメインのパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2020-11-09T02:14:33Z)

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。