RL にタスク専門知識を組み込み Text-to-SQL で最高性能を達成

記事の3ポイント

1. 1

   Text-to-SQL における AI と人間の性能差

   人間は BIRD ベンチマークで 92.96% のスコアを示す一方、AI は 80% 台に留まっており、特に曖昧な質問や文脈依存のスキーマへの対応が課題となっている。

2. 2

   既存のアジェンティック・スキャフォールディング手法

   OpenHands や MetaGPT に代表されるように、タスクをスキーマリンク、クエリ生成、自己修正、選別といった段階に分解して処理するアプローチが一般的である。

3. 3

   RL によるタスク専門性の付与

   本研究は強化学習（RL）を用いて AI にタスク専門性を注入することで、既存のベンチマークや業界全体で最高性能（SOTA）を達成したと発表している。