Przejdź do treści
4 min czytania

PExA: Nowa metoda AI do generowania SQL osiąga rekordową skuteczność 70,2%

System PExA wykorzystuje równoległe przetwarzanie prostych zapytań testowych, osiągając przełomową dokładność 70,2% na benchmarku Spider 2.0.

PExA: Nowa metoda AI do generowania SQL osiąga rekordową skuteczność 70,2%

Źródło zdjęcia: arXiv.org

Naukowcy opracowali PExA — nową metodę generowania kodu SQL z zapytań w języku naturalnym, która wykorzystuje równoległe przetwarzanie prostszych zapytań testowych. Badanie opublikowane na arXiv przedstawia podejście inspirowane testowaniem oprogramowania, które osiągnęło rekordową skuteczność 70,2% na benchmarku Spider 2.0.

Kluczowe wnioski

  • PExA reformułuje problem text-to-SQL jako zadanie pokrycia testowego, gdzie złożone zapytanie jest rozkładane na prostsze, atomowe komponenty SQL
  • System wykonuje równoległe przetwarzanie wielu testowych zapytań SQL, które razem zapewniają semantyczne pokrycie oryginalnego zapytania
  • Metoda osiągnęła nowy stan najnowocześniejszy na benchmarku Spider 2.0 z dokładnością wykonania 70,2%
  • Podejście rozwiązuje problem trade-off między opóźnieniem a wydajnością w systemach LLM do generowania SQL
  • Praca została zaakceptowana na konferencji ACL 2026

Innowacyjne podejście do generowania SQL

Autorzy badania — Tanmay Parekh, Ella Hofmann-Coyle, Shuyi Wang, Sachith Sri Ram Kothur, Srivas Prasad i Yunmo Chen — przedstawili fundamentalnie nowe podejście do problemu przekładu zapytań w języku naturalnym na kod SQL. Tradycyjne systemy oparte na dużych modelach językowych borykają się z dylematem: zwiększenie wydajności często wiąże się z wydłużeniem czasu odpowiedzi i odwrotnie.

PExA wprowadza koncepcję inspirowaną testowaniem oprogramowania, gdzie oryginalne zapytanie użytkownika jest przygotowywane wraz z zestawem przypadków testowych. Te przypadki testowe składają się z prostszych, atomowych zapytań SQL, które są wykonywane równolegle i razem zapewniają semantyczne pokrycie pierwotnego, złożonego zapytania.

Metodologia równoległego eksplorowania

System działa w iteracyjnym procesie, gdzie najpierw analizowane jest pokrycie przypadków testowych. Finalne zapytanie SQL jest generowane dopiero wtedy, gdy zebrano wystarczającą ilość informacji z eksplorowanych testowych zapytań SQL. Ta metoda pozwala na lepsze ugruntowanie końcowej generacji w konkretnych, zweryfikowanych danych.

Podejście to adresuje kluczowy problem obecnych systemów text-to-SQL — konieczność wyboru między szybkością a dokładnością. Dzięki równoległemu przetwarzaniu prostszych komponentów, PExA może osiągnąć wysoką wydajność bez znacznego zwiększenia opóźnień.

Przełomowe wyniki na Spider 2.0

Walidacja frameworka została przeprowadzona na Spider 2.0 — uznawanym benchmarku dla systemów text-to-SQL. Osiągnięta dokładność wykonania na poziomie 70,2% stanowi nowy rekord w tej dziedzinie, potwierdzając skuteczność proponowanego podejścia.

Badanie zostało zaakceptowane na prestiżową konferencję ACL 2026, co świadczy o wysokiej jakości naukowej przedstawionej pracy. Wyniki sugerują, że metodologia PExA może stać się standardowym podejściem w systemach przekładu języka naturalnego na SQL, szczególnie w zastosowaniach wymagających wysokiej dokładności przy zachowaniu akceptowalnych czasów odpowiedzi.

Udostępnij

Źródła

Powrót do nawigacji