An Agentic System for Schema Aware NL2SQL Generation
यह शोध पत्र NL2SQL जनरेशन के लिए एक लागत प्रभावी, स्कीमा-जागरूक एजेंटिक सिस्टम का प्रस्ताव करता है जो मुख्य रूप से एक चयनात्मक लार्ज लैंग्वेज मॉडल (LLM) फॉलबैक के साथ स्मॉल लैंग्वेज मॉडल्स (SLMs) का उपयोग करता है, जो गोपनीयता और संसाधन बाधाओं को संबोधित करते हुए BIRD बेंचमार्क पर महत्वपूर्ण लागत कटौती और मजबूत प्रदर्शन प्राप्त करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास एक विशाल, अविश्वसनीय रूप से जटिल लाइब्रेरी (एक डेटाबेस) है जो लाखों किताबों से भरी हुई है, लेकिन किताबें एक गुप्त कोड में लिखी गई हैं जिसे "SQL" कहा जाता है। आप एक प्रश्न पूछना चाहते हैं जैसे, "मुझे वे सभी पुस्तकें दिखाएं जो उन लेखकों द्वारा लिखी गई हैं जो पेरिस में रहते हैं और 2020 के बाद प्रकाशित हुई थीं," लेकिन आप उस गुप्त कोड को नहीं बोलते।
अतीत में, आपको एक अत्यधिक प्रशिक्षित लाइब्रेरियन की आवश्यकता होती थी जो अंग्रेजी और उस गुप्त कोड दोनों को बोल सके ताकि वह आपके अनुरोध का अनुवाद कर सके। आज, हमारे पास सुपर-स्मार्ट एआई लाइब्रेरियन (लार्ज लैंग्वेज मॉडल्स, या LLMs) हैं जो यह काम तुरंत कर सकते हैं। हालांकि, ये सुपर-लाइब्रेरियन महंगे हैं, वे बहुत अधिक बिजली खर्च करते हैं, और कभी-कभी आप उन्हें सख्त गोपनीयता नियमों के कारण अपने भवन के अंदर भी नहीं ला सकते।
यह शोध पत्र इस समस्या को हल करने का एक नया, चतुर तरीका पेश करता है, जो केवल एक महंगे सुपरस्टार के बजाय कामगारों की एक टीम का उपयोग करता है।
समस्या: महंगा सुपरस्टार
वर्तमान शीर्ष-स्तरीय एआई सिस्टम (जैसे GPT-4) को सेलिब्रिटी शेफ के रूप में सोचें। वे अद्भुत हैं। वे लगभग कुछ भी पूरी तरह से पका सकते हैं। लेकिन वे हैं:
- महंगे: उन्हें हर भोजन के लिए काम पर रखने की भारी लागत आती है।
- धीमे: उन्हें सोचने में समय लगता है।
- गोपनीयता जोखिम: आपको अपने गुप्त पारिवारिक व्यंजनों को उनके किचन में भेजना पड़ता है, जो सुरक्षित नहीं हो सकता है।
समाधान: "एजेंटिक" टीम
लेखकों ने एक ऐसा सिस्टम बनाया है जो एक विशिष्ट पदानुक्रम (hierarchy) के साथ एक छोटी, कुशल रेस्टोरेंट किचन की तरह काम करता है। एक अकेला सेलिब्रिटी शेफ सब कुछ करने के बजाय, वे विशेषज्ञ श्रमिकों की एक टीम का उपयोग करते हैं, जिसमें कठिन कार्यों के लिए एक "प्लान बी" (Plan B) भी शामिल है।
यहाँ बताया गया है कि उनकी टीम कैसे काम करती है, चरण-दर-चरण:
1. लाइब्रेरियन (द एक्सट्रैक्टर एजेंट)
इससे पहले कि कोई खाना बनाना शुरू करे, किसी को सही सामग्री ढूँढने की आवश्यकता है। यह एजेंट एक सुपर-फास्ट लाइब्रेरियन की तरह है। हर किताब को पढ़ने के बजाय, यह एक जादुई मानचित्र (वेक्टर सर्च) का उपयोग करता है ताकि तुरंत प्रासंगिक शेल्फ और पन्ने खोज सके। यह "स्कीमा" (डेटाबेस की संरचना) को इकट्ठा करता है ताकि टीम को पता चल सके कि उनके पास कौन से उपकरण हैं।
2. आर्किटेक्ट (द डीकंपोजर एजेंट)
आप एक जटिल प्रश्न पूछते हैं: "उन प्रबंधकों का औसत वेतन ज्ञात करें जिन्होंने यहाँ 5 साल तक काम किया है।"
आर्किटेक्ट इस बड़े, डरावने प्रश्न को छोटे, सरल ब्लूप्रिंट में तोड़ देता है। यह एक निर्माण फोरमैन की तरह है जो एक जटिल भवन योजना को लेता है और उसे इसमें तोड़ देता है: "पहले, प्रबंधकों को खोजें। फिर, उनकी शुरुआत की तारीखों की जाँच करें। फिर, औसत की गणना करें।" यह अभी कोड नहीं लिखता है; यह केवल चरणों की योजना बनाता है।
3. जूनियर शेफ (द जनरेटर एजेंट - SLM)
यही इस शो का असली सितारा है। टीम एक स्मॉल लैंग्वेज मॉडल (SLM) का उपयोग करती है। इसे एक प्रतिभाशाली, स्थानीय जूनियर शेफ के रूप में समझें।
- क्यों उपयोग करें? वे सस्ते, तेज़ हैं, और उन्हें आपके अपने किचन (ऑन-प्रिमाइज़) में रखा जा सकता है, जिससे आपके गुप्त व्यंजन आपके भवन से बाहर कभी नहीं जाते।
- वे क्या करते हैं? वे आर्किटेक्ट के ब्लूप्रिंट के आधार पर व्यंजन बनाने (SQL क्वेरी लिखने) का प्रयास करते हैं।
- जादू: लगभग 67% मामलों में, यह जूनियर शेफ पहली बार में ही सही काम कर जाता है! वे मानक कार्यों के लिए आश्चर्यजनक रूप से अच्छे हैं।
4. इंस्पेक्टर (द वैलिडेटर एजेंट)
इससे पहले कि व्यंजन ग्राहक के पास जाए, एक इंस्पेक्टर उसकी जाँच करता है।
- क्या व्याकरण समझ में आता है?
- क्या शेफ ने सही सामग्री (टेबल के नाम) का उपयोग किया है?
- क्या व्यंजन वास्तव में सही स्वाद देता है जब आप उसका एक निवाला लेते हैं (क्वेरी को निष्पादित करना)?
यदि व्यंजन एकदम सही है, तो उसे परोसा जाता है! यदि कोई समस्या है (जैसे कोई सामग्री गायब होना या जलना), तो इंस्पेक्टर उसे वापस किचन में भेज देता है।
5. सेलिब्रिटी शेफ (द LLM फॉलबैक)
यही चतुराई भरा हिस्सा है। यदि जूनियर शेफ विफल हो जाता है और इंस्पेक्टर उसे ठीक नहीं कर पाता है, तो सिस्टम सेलिब्रिटी शेफ (महंगा LLM) को बुलाता है।
- सेलिब्रिटी शेफ गलती, जले हुए सॉस और मूल ऑर्डर को देखता है।
- वे इसे ठीक करते हैं और इसे वापस भेजते हैं।
- महत्वपूर्ण बात: उन्हें केवल कठिन 33% समस्याओं के लिए ही बुलाया जाता है।
परिणाम: यह क्यों मायने रखता है
शोधकर्ताओं ने इस प्रणाली का परीक्षण BIRD नामक एक विशाल बेंचमार्क (एक विशाल डेटाबेस चुनौती) पर किया। यहाँ उन्होंने पाया:
- सटीकता: सिस्टम लगभग 48% समय सही उत्तर प्राप्त करता है। जबकि सेलिब्रिटी शेफ अकेले लगभग 60% प्राप्त करता है, यह टीम अभी भी बहुत प्रतिस्पर्धी है।
- लागत: यह सबसे बड़ी जीत है। क्योंकि जूनियर शेफ अधिकांश काम करता है, इसलिए यह सिस्टम सेलिब्रिटी शेफ के लिए सब कुछ करने की तुलना में 90% सस्ता है।
- उपमा: यह 0.01 में सैंडविच ऑर्डर करने जैसा है।
- गोपनीयता: चूंकि जूनियर शेफ आपके अपने कंप्यूटर पर रहता है, इसलिए आपका डेटा आपके भवन से बाहर नहीं जाता है। आप केवल छोटी, कठिन समस्याओं को ही बाहरी दुनिया में भेजते हैं।
ट्रेड-ऑफ (समझौता)
लेखक स्वीकार करते हैं कि यह पूर्ण नहीं है। यदि आप ऐसा प्रश्न पूछते हैं जिसमें बहुत जटिल, बहु-चरणीय तर्क पहेली (जैसे कि "नेस्टेड सबक्वेरी") की आवश्यकता होती है, तो जूनियर शेफ भ्रमित हो सकता है। सिस्टम को सेलिब्रिटी शेफ को अधिक बार बुलाना पड़ता है, जिससे इसकी गति थोड़ी धीमी हो जाती है। यह एक रिले रेस की तरह है जहाँ पहला धावक तेज़ है, लेकिन यदि वह बैटन गिरा देता है, तो दूसरे धावक को पकड़ने के लिए स्प्रिंट करना पड़ता है।
सारांश में
यह शोध पत्र अंग्रेजी प्रश्नों को डेटाबेस उत्तरों में बदलने के लिए एक स्मार्ट, लागत प्रभावी टीम का प्रस्ताव करता है। हर कार्य के लिए एक महंगे, सर्वशक्तिमान AI को काम पर रखने के बजाय, वे एक स्थानीय, सस्ते AI का उपयोग करते हैं जो 2/3 समय भारी काम करता है, और केवल तभी महंगे, शक्तिशाली AI को बुलाते हैं जब चीजें वास्तव में कठिन हो जाती हैं।
यह एक सुपरस्टार को अपनी किराने का सामान खरीदने के लिए काम पर रखने के बजाय, एक स्थानीय सहायक को काम पर रखने जैसा है, और केवल तभी सुपरस्टार को बुलाना है जब सहायक को कोई विशिष्ट दुर्लभ मसाला न मिल सके। आप पैसे बचाते हैं, अपने डेटा को सुरक्षित रखते हैं, और काम भी पूरा करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।