論文の概要: TSSDA: An Autonomous Agent for Constructing a Time-Series Text-to-SQL Benchmark

• arxiv url: http://arxiv.org/abs/2611.02132v1
• Date: Sun, 01 Nov 2026 19:08:16 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:08:37.397076
• Title: TSSDA: An Autonomous Agent for Constructing a Time-Series Text-to-SQL Benchmark
• Title（参考訳）: TSSDA: 時系列テキスト-SQLベンチマークを構築するための自律エージェント
• Abstract要約: 我々は、時間データ生成エージェントフレームワークであるTSSDAを提案し、TERNsERies text-to-beNchmarkを構築した。 有効なクエリの広範なカバレッジを実現するために、データ生成空間を構築するためにTS構文とセマンティクスをモデル化する。 次に,データ生成を自律的にオーケストレーションするデータエージェントを開発した。 本発明のエージェントは、計画決定モジュールとクエリ生成モジュールとから構成され、オンライン適応による継続的自己改善を行う。
• 参考スコア（独自算出の注目度）: 10.28702877486457
• License:
• Abstract: As agents increasingly undertake data querying, Text-to-SQL serves as a foundational capability for database access. However, for text-to-SQL in time-series databases, high-quality benchmarks and large-scale training corpora remain scarce, limiting the systematic evaluation and domain adaptation of existing models and agents. Existing automated SQL generation approaches lack sufficient autonomy, leaving key challenges unresolved. First, numerous combinations of temporal syntax and functions complicate comprehensive coverage of valid queries. Second, as the corpus grows, generating valuable and diverse new data becomes increasingly challenging. Third, schema and data heterogeneity hinder reuse of temporal query structures, limiting generation efficiency. To address these challenges, we propose TSSDA, a Time-Series SQL (TSSQL) Generation Data Agent framework, and construct TERN, a comprehensive Time-sERies text-to-SQL beNchmark. First, to achieve broad coverage of valid queries, we systematically model TSSQL syntax and semantics to construct a data generation space. Next, to explore the space and improve diversity, we develop a Data Agent that autonomously orchestrates data generation. The agent comprises a planning and decision-making module and a query generation module, with online adaptation for continuous self-improvement. Finally, we introduce a temporal-aware memory that enables adaptive reuse of experience across heterogeneous data instances, improving generation efficiency. Comprehensive evaluations on TERN reveal the limitations of existing methods in performing Text-to-TSSQL tasks. Furthermore, extensive experiments demonstrate that TSSDA substantially improves coverage, diversity, and complexity.
• Abstract（参考訳）: エージェントがますますデータクエリを行うようになると、Text-to-SQLはデータベースアクセスの基本機能として機能する。 しかし、時系列データベースにおけるテキスト間SQLでは、高品質なベンチマークや大規模なトレーニングコーパスが不足しており、既存のモデルやエージェントの体系的評価とドメイン適応が制限されている。 既存のSQLの自動生成アプローチには十分な自律性がなく、主要な課題は未解決のままである。 まず、時間構文と関数の組み合わせは、有効なクエリの包括的カバレッジを複雑にする。 第二に、コーパスが成長するにつれて、価値があり多様な新しいデータを生成することはますます困難になっている。 第3に、スキーマとデータの不均一性は、時間的クエリ構造の再利用を妨げ、生成効率を制限します。 これらの課題に対処するため、TSSDA(Time-Series SQL (TSSQL) Generation Data Agent framework)を提案し、TSSDA(Time-SERies text-to-SQL beNchmark)を構築した。 まず、有効なクエリの広範なカバレッジを達成するために、TSSQL構文とセマンティクスを体系的にモデル化し、データ生成空間を構築する。 次に,データ生成を自律的にオーケストレーションするデータエージェントを開発した。 本発明のエージェントは、計画決定モジュールとクエリ生成モジュールとから構成され、オンライン適応による継続的自己改善を行う。 最後に、異種データインスタンス間での体験の適応的再利用を可能にし、生成効率を向上する時間認識メモリを提案する。 TERNの包括的な評価は、Text-to-TSSQLタスクの実行における既存のメソッドの制限を明らかにする。 さらに、広範な実験により、TSSDAはカバレッジ、多様性、複雑さを大幅に改善することが示された。

関連論文リスト

• 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)
• 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)
• From Queries to Insights: Agentic LLM Pipelines for Spatio-Temporal Text-to-SQL [8.496933324334167]
  本研究では,MistralをベースとしたRellama-sqlcoder-8bによるオーケストレーションにより,簡単なテキストからActまでのベースライン(Rellama-sqlcoder-8b)を提案する。 ニューヨークと東京のチェックインで35の自然言語クエリを評価し,空間的・時間的マルチデータセット推論について検討した。 このエージェントは、データセット 91.4% 対 28.6% よりもかなり精度が高く、地図によるユーザビリティを高め、自然言語の要約を構造化する。
  論文  参考訳（メタデータ） (2025-10-29T22:18:57Z)
• HI-SQL: Optimizing Text-to-SQL Systems through Dynamic Hint Integration [1.3927943269211591]
  テキスト・ツー・ジェネレーションは自然言語とデータベースのギャップを埋め、ユーザーは専門知識を必要とせずにデータをクエリできる。 履歴クエリログを利用した新しいヒント生成機構を組み込んだパイプラインHI-theを提案する。 先行クエリを解析することにより、マルチテーブルおよびネストされた操作の複雑さを扱うことに焦点を当てたコンテキストヒントを生成する。 提案手法は,LCM生成クエリのクエリ精度を大幅に向上し,呼び出しやレイテンシの面で効率性を確保した。
  論文  参考訳（メタデータ） (2025-06-11T12:07:55Z)
• LLM-Symbolic Integration for Robust Temporal Tabular Reasoning [69.27153114778748]
  本研究では,システムおよび制御された評価のための合成データセットであるTempTabQA-Cを紹介する。 この構造化アプローチにより、LLM(Large Language Models)はsqlクエリの生成と実行を可能にし、一般化とバイアス軽減の強化を行う。
  論文  参考訳（メタデータ） (2025-06-06T05:14:04Z)
• RAISE: Reasoning Agent for Interactive SQL Exploration [47.77323087050061]
  本稿では,スキーマリンク,クエリ生成,反復的改善を1つのエンドツーエンドコンポーネントに統一する新しいフレームワークを提案する。 本手法は、不慣れなデータベースを扱う際に、人間がどう答えるかをエミュレートする。
  論文  参考訳（メタデータ） (2025-06-02T03:07:08Z)
• Bridging the Gap: Enabling Natural Language Queries for NoSQL Databases through Text-to-NoSQL Translation [25.638927795540454]
  自然言語クエリをアクセス可能なクエリに変換することを目的としたText-to-Noタスクを導入する。 この分野での研究を促進するために、我々はTEND(Text-to-Noデータセットのショートインターフェース)という、このタスクのための大規模かつオープンソースのデータセットをリリースした。 また,SLM(Small Language Model)支援とRAG(Retrieval-augmented Generation)支援の多段階フレームワークSMARTを設計した。
  論文  参考訳（メタデータ） (2025-02-16T17:01:48Z)
• A Survey of Large Language Model-Based Generative AI for Text-to-SQL: Benchmarks, Applications, Use Cases, and Challenges [0.7889270818022226]
  自然言語クエリを構造化クエリ言語(技術)に変換することで,データベースとのスムーズな対話を容易にする この調査は、AI駆動のテキスト・ツー・ワンシステムの進化の概要を提供する。 医療、教育、金融といった分野におけるテキスト・ツー・ワンの適用について検討する。
  論文  参考訳（メタデータ） (2024-12-06T17:36:28Z)
• SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended) [53.95151604061761]
  本稿では,大規模言語モデル(LLM)を用いたテキスト・ツー・フィルタリングのフレームワークを提案する。 数発のプロンプトで、実行ベースのエラー解析による一貫性復号化の有効性について検討する。 命令の微調整により、チューニングされたLLMの性能に影響を及ぼす重要なパラダイムの理解を深める。
  論文  参考訳（メタデータ） (2023-05-26T21:39:05Z)
• SUN: Exploring Intrinsic Uncertainties in Text-to-SQL Parsers [61.48159785138462]
  本稿では,ニューラルネットワークに基づくアプローチ(SUN)における本質的な不確かさを探索することにより,テキストから依存への変換性能を向上させることを目的とする。 5つのベンチマークデータセットの大規模な実験により、我々の手法は競合より大幅に優れ、新しい最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-09-14T06:27:51Z)

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。