要旨: テキストからSQLへの変換(text-to-SQL)にLLMベースのエージェントを用いる場合、多くは遅延と性能のトレードオフに苦しみます。性能の改善は遅延の増加と引き換えになるか、あるいはその逆になります。我々は、元のクエリが意味論的なカバレッジを確実に満たすよう、より単純で原子的なSQLからなるテストケースの組によって準備され、それらを並列に実行するという「ソフトウェアのテストカバレッジ」の観点から、テキストからSQLの生成を再定式化します。テストケースのカバレッジを反復的に検討した後、必要な情報が十分に集まった時点でのみ最終SQLを生成し、探索したテストケースのSQLを活用して最終生成の根拠を与えます。本フレームワークを、テキストからSQLの最先端ベンチマークであるSpider 2.0で検証したところ、実行精度70.2%を達成し、新たな最先端性能を更新しました。
PExA:複雑なテキストからSQLへのための並列探索エージェント
arXiv cs.AI / 2026/4/28
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、LLMベースのテキストからSQLエージェントにありがちな「レイテンシと性能のトレードオフ」を解決するための並列探索エージェントPExAを提案しています。
- テキストからSQLの生成を、ソフトウェアのテストカバレッジ問題として捉え直し、ターゲットとなるクエリの意味論をカバーする簡単で原子的なSQLのテストケース群を生成して並列実行します。
- テストカバレッジの反復改善の後、十分な情報が得られた時点でのみ最終SQLを生成し、探索したテストケースSQLの結果で最終生成を根拠付けます。
- Spider 2.0(テキストからSQLの代表的な最新ベンチマーク)で検証した結果、実行精度70.2%を達成し新たな最先端性能を報告しています。

