🔥 今日值得一读
智能体别再瞎猜了！PlanPool让SQL澄清覆盖率飙升，静默失败大幅减少
Beyond Correctness: Resolving Underspecification in Agentic Text-to-SQL
👨💼 主理人解读 · 为什么值得关注
帮助开发者改进Text-to-SQL智能体的澄清策略，避免过早停止提问导致SQL虽正确但基于错误假设。
📖 AI 总结
该研究聚焦智能体式Text-to-SQL系统中的欠规范问题，指出正确执行结果并不代表智能体真正消除了查询歧义——智能体可能默默做出未经核实的假设，恰好与预期答案吻合。作者发现，这一现象部分源于澄清过程过早终止：尽管强制智能体多提问能提升执行准确率，但歧义主要集中在早期交互中，暴力提问效率低下；更关键的是，即使被明确要求规划澄清流程，智能体仍常放弃已识别出的相关问题。为此，作者提出PlanPool方法，将澄清计划外化为可变问题池，每个计划问题必须被明确询问或丢弃后才能提交，交互中新发现的歧义也可随时加入。在基于BIRD-Interact和Spider构建的三个基准上，PlanPool持续提升歧义覆盖率并减少静默失败，同时保持有竞争力的执行准确率。研究揭示了一个重要区别：识别缺失信息并不足够，智能体还必须在给出答案前可靠地维护并解决这些问题。
🔑 关键词速览
| Agentic Text-to-SQL | 智能体式文本到SQL，指能够与用户交互以澄清查询并生成SQL的智能系统。 |
| Underspecification | 欠明确性，指用户查询中信息不完整或模糊，导致多种解释可能。 |
| Premature Clarification Termination | 过早终止澄清，指智能体在未充分解决歧义前就停止提问的行为。 |
| PlanPool | 一种将澄清计划外化为可变问题池的方法，要求每个计划问题必须被提问或丢弃。 |
| Silent Failures | 静默失败，指智能体做出未经验证的假设并得到正确答案，但实际未解决歧义的情况。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅