複雑なText-to-SQLのための並列探索エージェントPExA

大規模言語モデル（LLM）を用いたText-to-SQLエージェントは、自然言語の質問からSQLクエリを生成する能力に優れていますが、生成されるSQLの精度を向上させようとすると処理時間が長くなるというレイテンシ・性能間のトレードオフが課題でした。この研究では、ソフトウェアテストのカバレッジの概念をText-to-SQLに適用し、元のクエリを単純なアトミックなSQLのテストケース群に分解し、これらを並列に実行する新しいフレームワーク「PExA（Parallel Exploration Agent）」を提案しています。これらのテストケースSQLの実行結果から十分な情報が得られた時点で最終的なSQLを生成することで、性能を犠牲にすることなくレイテンシを改善します。この手法は、最先端のText-to-SQLベンチマークであるSpider 2.0において、70.2%という新記録の実行精度を達成し、既存の手法を上回りました。PExAの技術的意義は、LLMエージェントの推論プロセスに構造化された探索と検証のメカニズムを導入し、複雑なタスクにおける効率性と信頼性を同時に高めた点にあります。この進歩は、データ分析、ビジネスインテリジェンス、データベース管理などの分野で、より高速かつ正確な自然言語インターフェースの実現に貢献します。今後、PExAのような並列探索アプローチが、他の複雑な推論タスクにも応用され、LLMエージェントの能力をさらに拡張することが期待されます。