Resumen: Los agentes basados en LLM para texto a SQL a menudo luchan con el equilibrio entre latencia y rendimiento, donde las mejoras en el rendimiento se obtienen a costa de la latencia o viceversa. Reformulamos la generación de texto a SQL dentro de la lente de la cobertura de pruebas de software donde la consulta original se prepara con un conjunto de casos de prueba con SQL atómicos más simples que se ejecutan en paralelo y juntos garantizan la cobertura semántica de la consulta original. Después de iterar sobre la cobertura del caso de prueba, el SQL final se genera solo cuando se recopila suficiente información, aprovechando los SQL del caso de prueba explorados para fundamentar la generación final. Validamos nuestro marco en un punto de referencia de última generación para texto a SQL, Spider 2.0, logrando un nuevo estado del arte con una precisión de ejecución del 70,2 %.
Publicado originalmente en export.arxiv.org el 27 de abril de 2026.
Ver fuente original
