arXiv · cs.AI· Piyush Jha, Cruise Song, Zhengyu Li, Yatharth Sejpal·· 7 小时前
VeriPIE：通过可检查查询计划与证据引导选择提升Text-to-SQL
VeriPIE: Checkable Query Plans and Evidence-Guided Selection for Text-to-SQL
arXiv:2610.17493v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Piyush Jha, Cruise Song, Zhengyu Li, Yatharth Sejpal
研究任务与主要进展
VeriPIE提出一种神经符号Text-to-SQL框架，将语言模型生成的SQL与结构化QuerySketch、Lean后端符号检查及查询修复和候选选择结合。在完整Spider开发集单次实验中，VeriPIE的测试套件准确率为72.05%（745/1034），高于DeepEye的65.67%；在BIRD上达到68.90%的执行准确率和73.73%的双查询覆盖率。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org