AgentNLQ: 自然言語からSQLへの汎用エージェント
本研究では、BIRDベンチマークで78.1%の意味的正確性を達成するマルチエージェント手法AgentNLQを提案する。セマンティックに強化されたスキーマ表現とユーザー提供のビジネスルールを活用して正確なSQLクエリを生成し、最適化されたオーケストレーター、高度なスキーマ拡張、およびドメイン横断的な汎化性を実証した。
自然言語からSQLへの変換（NL2SQL）は、リレーショナルデータベースが広範な実用的問題で普遍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。LLMの能力は急速に向上していますが、NL2SQLは人間の専門的なSQLライターと同等の正確性に達しておらず、NL2SQLアルゴリズムのさらなる改善が必要です。
本研究では、NL2SQLのための新しいマルチエージェント手法AgentNLQを提案します。この手法は、BIRD（大規模データベース向け大規模ベンチマーク）ベンチマークで78.1%の意味的正確性を達成しました。本手法は、ユーザー提供のスキーマのセマンティックに強化された表現を活用し、ユーザー提供のビジネスルールを追加し、正確なSQLクエリを生成します。
主な貢献は以下の通りです。（a）マルチエージェントソリューションにおいて、LLMを使用して計画、オーケストレーション、リフレクション、自己修正を行い、正確なSQLクエリを生成す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。（b）コンテキストを認識するメタデータを作成して精度を向上させる高度なスキーマ拡張手法を開発しました。（c）BIRD-SQLベンチマークでの評価を通じて、異なるドメインやデータセットにわたる手法の正確性と汎化性を実証しました。
AgentNLQはNL2SQLの分野における重要な進歩を示し、自然言語クエリを正確なSQLに変換するための汎用的なマルチエージェントソリューションを提供します。本手法は2026年5月18日にarXivに提出され、Olena Bogdanovら8名の著者によって執筆されました。マルチエージェントアーキテクチャにはプランナー、オーケストレーター、リフレクターなどの複数のコンポーネントが含まれており、複雑なSQL生成タスクを協調して処理します。LLMの推論能力を活用することで、AgentNLQは複数のドメインのデータセットで優れた性能を示し、実用的なデータベースクエリ自動化に新たな可能性を提供します。