自然言語からSQLへの変換（NL2SQL）は、関係データベースが広範な実問題で遍在的に重要であるため、研究者や企業にとって重要な問題です。大規模言語モデル（LLM）の能力は急速に進歩しているものの、NL2SQLは人間の専門的なSQL作成者と同等の精度には達しておらず、NL2SQLアルゴリズムの更なる改善が必要とされています。
この課題に対して、新たな論文がAgentNLQというNL2SQLのためのマルチエージェント手法を提案しました。この手法は、BIRD（BIg Bench for LaRge-scale Database）ベンチマークにおいて78.1%の意味的正確率を達成しています。AgentNLQの中心的なアイデアは、ユーザー提供のスキーマを意味的に強化して表現し、ユーザー提供のビジネスルールを追加することで、正確なSQLクエリを生成することです。
本研究の主な貢献は3つあります。第一に、著者らはマルチエージェントソリューションにおける最適化された新しいオーケストレーターを設計しました。これはLLMを利用して計画、編成、反省、自己修正を行い、正確なSQLクエリを生成します。このオーケストレーターは複数のエージェントの協調により、複雑なクエリをより効果的に処理できます。
第二に、研究チームはコンテキスト認識メタデータを作成する高度なスキーマ拡張手法を開発し、精度を向上させました。この手法はデータベーススキーマの意味情報を豊かにすることで、モデルがデータベース構造とユーザーの意図をよりよく理解できるようにします。
最後に、著者らはBIRD-SQLベンチマークでの評価を通じて、さまざまなドメインやデータセットにおける本手法の正確性と汎化性能を示しました。この論文は2026年5月18日にarXivに投稿され、Olena Bogdanovら8名の著者によるもので、人工知能（cs.AI）のカテゴリに属します。
全体として、AgentNLQはマルチエージェント協調、意味的強化、ビジネスルールを組み合わせることでNL2SQLタスクの精度を大幅に向上させ、LLMと人間の専門家との間のギャップを埋める新たなアプローチを提供しています。