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.

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.
Źródła
Podobne publikacje

Claude Opus 5 osiąga wyniki bliskie Fable 5 przy dwukrotnie niższych kosztach tokenów
Nowy model Anthropic ustanawia rekordy w programowaniu i zadaniach wiedzy, kosztując połowę ceny Fable 5 przy podobnej wydajności.

Claude Fable 5 kosztuje dwukrotnie więcej za 5,7% wyższą wydajność
Nowy flagowy model Anthropic zajął pierwsze miejsce w rankingu AI, ale oferuje jedynie marginalny wzrost wydajności przy podwojeniu cen tokenów.

Microsoft MAI-Image-2.5 dorównuje Google Nano Banana 2 w rankingach benchmarkowych
Nowy model MAI-Image-2.5 zajmuje trzecie miejsce na Arena's text-to-image leaderboard, wprowadzając usprawnienia w renderowaniu tekstu i wizualizacjach.