BriefGPT - AI 论文速递
·
MAC-SQL: Multi-Agent Collaboration for Text-to-SQL
💡
原文约100字/词，阅读约需1分钟。
📝
内容提要
最近的文本到 SQL 方法的发展使用了大型语言模型 (LLMs)，取得了显著的性能表现。为了解决处理庞大的数据库、复杂的用户查询和错误的 SQL 结果的挑战，提出了基于 LLMs 的多智能体协作文本到 SQL 框架 MAC-SQL。该框架由三个智能体组成，实验结果表明在 BIRD 测试集上实现了59.59%的最先进的执行准确率。开源了指导微调模型 SQL-Llama 和代理指令数据集。代码和数据可在https://github.com/wbbeyourself/MAC-SQL 公开访问。
🎯
关键要点
- 最近的文本到 SQL 方法使用大型语言模型 (LLMs) 取得显著性能表现。
- 这些方法在处理庞大的数据库、复杂用户查询和错误 SQL 结果时仍面临困难。
- 提出了基于 LLMs 的多智能体协作文本到 SQL 框架 MAC-SQL。
- MAC-SQL 框架由三个智能体组成：Selector、Decomposer 和 Refiner。
- Selector 负责压缩数据库并保留相关表模式；Decomposer 将复杂问题分解为简单子问题；Refiner 验证和完善 SQL 查询。
- 在 BIRD 测试集上实现了 59.59% 的最先进执行准确率。
- 开源了指导微调模型 SQL-Llama 和代理指令数据集。
- SQL-Llama 模型在 BIRD 和 Spider 的开发集上表现良好，但与 GPT-4 模型相比仍有提升潜力。
- 代码和数据可在 https://github.com/wbbeyourself/MAC-SQL 公开访问。
🏷️
标签
➡️
