論文の概要: Post-SQLFix: Property-Guided Repair of LLM-Generated SQL with Runtime Verification

• arxiv url: http://arxiv.org/abs/2610.41472v1
• Date: Fri, 30 Oct 2026 09:24:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.670126
• Title: Post-SQLFix: Property-Guided Repair of LLM-Generated SQL with Runtime Verification
• Title（参考訳）: Post-SQLFix: LLM生成SQLのプロパティガイドによる修正と実行時検証
• Abstract要約: 本稿では,大規模言語モデルに対するプログラム誘導修復手法であるPost-Fixを紹介する。 Post-Fixは77.8%のエラーを解決し、修理トークンは半分以下である。 絶対精度は+11.6ポイントまで向上できる。
• 参考スコア（独自算出の注目度）: 10.129823717038208
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) for Text-to-SQL frequently generate queries with syntax errors, invalid identifier references, or violations of SQL scoping and typing rules. Repairing these errors is a program correctness problem, yet existing approaches rely on Execution Feedback (EF), whose symptom-level, dialect-specific error messages force the LLM to speculate on root causes. We identify an Arbitration Paradox in this paradigm: the system relies on unverified models both to propose repairs and to make the final judgment on whether those repairs satisfy the required properties. We resolve this paradox by reformulating Text-to-SQL repair as property-guided program repair. Our framework, Post-SQLFix, canonicalizes SQL into a dialect-aware Canonical Query Structure (CQS) and validates it through a hierarchical static analyzer with three stratified property layers (Syntactic, Context-Free Structural, Context-Sensitive Semantic). The analyzer produces precise, schema-aware violation diagnostics to guide the LLM's repair proposals. A Verify-Before-Apply Temporal Monitor then accepts only repairs that reduce the violation count, do not reintroduce resolved violations, and satisfy the operator contracts. These runtime invariants are bounded by the declared rule family and operator contracts, while a finite retry budget ensures halting. On three established benchmarks (BIRD, Spider, Mini-Dev) spanning over 3,000 evaluation instances, three SQL dialects (SQLite, MySQL, PostgreSQL), and six model configurations, Post-SQLFix resolves 77.8% of the execution errors that EF leaves unrepaired, while requiring less than half as many repair iterations and 30% fewer tokens. Crucially, accepted transitions under the monitor introduce no statically detectable structural regressions in our evaluation, translating checked repair fidelity into absolute accuracy improvements of up to +11.6 percentage points.
• Abstract（参考訳）: Text-to-SQL用の大規模言語モデル(LLM)は、構文エラー、無効な識別子参照、SQLスコーピングおよびタイピングルール違反などのクエリを頻繁に生成する。 これらのエラーを修復することはプログラムの正当性の問題であるが、既存のアプローチは実行フィードバック(EF)に依存しており、その症状レベル、方言固有のエラーメッセージはLLMに根本原因を推測させる。 システムは、修復の提案と、それらの修復が要求される特性を満たすかどうかの最終的な判断の両方を、検証されていないモデルに依存している。 我々は、テキストからSQLへの修復をプロパティ誘導プログラムの修復として再構成することで、このパラドックスを解決する。 我々のフレームワークであるPost-SQLFixは、SQLを方言を意識した標準クエリ構造(CQS)に分類し、3つの階層化されたプロパティ層(Syntactic, Context-free Structure, Context-Sensitive Semantic)を持つ階層的な静的アナライザを通じて検証します。 アナライザは、LCMの修復提案をガイドするために、正確にスキーマ対応の違反診断を生成する。 Verify-Before-Apply Temporal Monitorは、違反数を減らし、解決された違反を再導入せず、オペレータ契約を満たす修理のみを受理する。 これらのランタイム不変量は宣言されたルールファミリとオペレータコントラクトによってバウンドされ、有限リトライ予算によって停止が保証される。 3000以上の評価インスタンス、3つのSQL方言(SQLite、MySQL、PostgreSQL)と6つのモデル構成にまたがる3つの確立されたベンチマーク(BIRD、Spider、Mini-Dev)では、Post-SQLFixはEFが残した実行エラーの77.8%を解決し、半数未満の修理イテレーションと30%のトークンを削減した。 重要な点として、モニター下での許容される遷移は、我々の評価において静的に検出可能な構造的回帰を導入せず、チェックされた修復精度を最大11.6ポイントの絶対的精度向上に変換する。

関連論文リスト

• Repairing LLM-Generated Specifications with Deterministic Diagnosis [48.79311600023815]
  大型言語モデル (LLM) はフォーミュラライザとしてますます使われている。 LLMは、シンボリック・ソルバが解決できる形式的な仕様を作成し、その仕様に対して保証する。 多くの仕様は実行可能であるが、意味的に間違っている。誤った制約、ドメイン、目的、述語、目標を符号化する。 DRAGOは、この未解決の批判を決定論的、フォーマリズム固有の診断に置き換える修復フレームワークである。
  論文  参考訳（メタデータ） (2026-10-15T19:12:54Z)
• From Diagnosis to Correction: Benchmarking and Improving Real-World Table Parsing [50.70862449978062]
  最近の文書では OmniDocBench v1.6 の 93 以上の TEDS スコアが達成されている。 このギャップを定量化するために、916の現実世界のテーブルの診断ベンチマークであるTableParseMapを紹介します。
  論文  参考訳（メタデータ） (2026-08-10T16:59:30Z)
• One Rewrite to Fix Them All? Type-Aware Repair Allocation for Text-to-Image Prompt Optimization [59.164665622252016]
  テキスト・トゥ・イメージ(T2I)ジェネレータは、間違ったカウント、スワップされた属性、あいまいな関係、不可解なテキストを生成し、そのプロンプトに忠実に従わないことが多い。 Prompt最適化は、ユーザプロンプトを書き換えて、ジェネレータの再トレーニングを必要としないことで、このような障害を修復する。 失敗する各命題は、結果のローカル制約が1つの実行可能なプロンプトにコンパイルされる前に、タイプ条件の修復演算子にルーティングされる。
  論文  参考訳（メタデータ） (2026-07-21T05:31:43Z)
• ErrorLLM: Modeling SQL Errors for Text-to-SQL Refinement [57.98138819417949]
  テキスト・ツー・クエリを明示的にモデル化するフレームワークであるErrorLLMを提案する。 ErrorLLMは、バックボーンの初期生成よりも大幅に改善されていることを示す。 ErrorLLMは、精錬効率を維持しつつ、高い検出F1スコアで両面に対処する。
  論文  参考訳（メタデータ） (2026-03-04T05:27:20Z)
• A Study of In-Context-Learning-Based Text-to-SQL Errors [23.296158301228598]
  本研究は,テキスト・トゥ・コレクト・エラーの総合的研究である。 テキストの正当性エラーは広範囲に及んでおり、29種類の7カテゴリのエラータイプが要約されている。 本稿では,新しいテキスト間エラー検出・修復フレームワークMapleRepairを提案する。
  論文  参考訳（メタデータ） (2025-01-16T05:54:59Z)
• DAC: Decomposed Automation Correction for Text-to-SQL [51.48239006107272]
  De Automation Correction (DAC)を導入し、エンティティリンクとスケルトン解析を分解することでテキストから合成を補正する。 また,本手法では,ベースライン法と比較して,スパイダー,バード,カグルDBQAの平均値が平均3.7%向上することを示した。
  論文  参考訳（メタデータ） (2024-08-16T14:43:15Z)
• SQLFixAgent: Towards Semantic-Accurate Text-to-SQL Parsing via Consistency-Enhanced Multi-Agent Collaboration [26.193588535592767]
  本稿では,SQLの誤検出と修復を目的とした,新しい一貫性向上型マルチエージェント協調フレームワークを提案する。 提案するフレームワークを5つのテキスト・テキスト・ベンチマークで評価する。 本手法はベースラインモデルの性能を継続的に向上させる。 私たちのフレームワークは、他の高度なメソッドよりもトークン効率が高いので、より競争力があります。
  論文  参考訳（メタデータ） (2024-06-19T09:57:19Z)

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。