提出VeriPIE：结合Lean符号检查的Text-to-SQL框架
热点事件持续更新
提出VeriPIE：结合Lean符号检查的Text-to-SQL框架
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Piyush Jha等作者发布VeriPIE论文，提出一种神经符号Text-to-SQL框架：语言模型直接生成SQL，同时生成结构化查询计划QuerySketch，由Lean实现的后端做符号检查，并结合查询修复和候选选择。 在完整Spider开发集的单次实验中，VeriPIE测试套件准确率为72.05%（745/1034），高于DeepEye的65.67%（679/1034）；在BIRD上达到68.90%执行准确率和73.73%双查询覆盖率。作者称这些符号检查能暴露畸形计划和隐藏的不一致，但并不证明结果符合用户意图。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
VeriPIE：通过可检查查询计划与证据引导选择提升Text-to-SQL报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIVeriPIE：通过可检查查询计划与证据引导选择提升Text-to-SQL
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。