Resumen: Los sistemas de lenguaje natural a SQL (NL a SQL) son prometedores para democratizar el acceso a datos estructurados, permitiendo a los usuarios consultar bases de datos sin aprender SQL. Sin embargo, los sistemas existentes luchan con consultas espacio-temporales realistas, donde el éxito requiere alinear las frases vagas del usuario con categorías específicas del esquema, manejar el razonamiento temporal y elegir los resultados apropiados. Presentamos una canalización agente que extiende una línea base ingenua de texto a SQL (llama-3-sqlcoder-8b) con orquestación por un agente ReAct basado en Mistral. El agente puede planificar, descomponer y adaptar consultas mediante herramientas de inspección de esquemas, generación, ejecución y visualización de SQL. Evaluamos 35 consultas en lenguaje natural sobre el conjunto de datos de registro de Nueva York y Tokio, cubriendo razonamiento espacial, temporal y de conjuntos de datos múltiples. El agente logra una precisión sustancialmente mayor que la línea de base ingenua: 91,4 % frente a 28,6 % y mejora la usabilidad a través de mapas, gráficos y resúmenes estructurados en lenguaje natural. Fundamentalmente, nuestro diseño permite una interacción más natural entre el ser humano y la base de datos, brindando soporte a los usuarios que carecen de experiencia en SQL, conocimiento detallado de esquemas o habilidades de indicaciones. Concluimos que la orquestación agente, en lugar de los generadores SQL más potentes por sí solos, es una base prometedora para los asistentes geoespaciales interactivos.
Publicado originalmente en export.arxiv.org el 30 de octubre de 2025.
Ver fuente original
