في عالم التعلم الآلي، تُعتبر أنظمة تحويل النص إلى SQL (Text-to-SQL) من الأدوات الأساسية لتعزيز فعالية الوصول إلى البيانات. مؤخراً، قدم الباحثون نظامًا مبتكرًا يُعرف باسم DualSQL، الذي يعد تحفة فنية في هذا المجال.

يعمل نظام DualSQL من خلال دمج عمليتين رئيسيتين: الربط بين المخططات (schema linking) وتوليد SQL. ومن المثير للإعجاب أنه بدلاً من التدريب على موديلات منفصلة لكل وظيفة، يقوم DualSQL بالاستفادة من تآزر الأدوار المختلفة عن طريق نموذج وحيد يتضمن عميلين (agents) يعملان معاً.

يعتمد هذا النظام على إطار عمل قوي لتعلم التعزيز متعدد العميل، مما يسمح بتحسين متزامن للعميلين. كما صُممت ثلاث أدوات للوصول إلى قواعد البيانات لتسهيل عمليات الاستدلال المتعددة التي تعتمد على التفاعلات مع قواعد البيانات، مما يعزز من فعالية النظام.

لضمان تدريب فعّال وعدم انهيار النموذج، تم تقديم مجموعة من آليات السلامة التي تُدعم تدريب تعلم التعزيز. بهذه الطريقة، يستمر DualSQL في التحسين خلال عملية التدريب.

ومن المثير للاهتمام، تم تقديم مقياس جديد لدقة SQL يُعرف باسم "المطابقة القوية للتنفيذ" (robust execution match - REX) لتقييم دقة SQL بدقة أكبر وتحديد إشارات المكافأة. ومع تدريب النموذج على 3755 مثالاً فقط، يسجل DualSQL-4B دقة تنفيذ تصل إلى 68.0% على مجموعة تطوير BIRD، وهو رقم يتطابق مع نماذج سابقة بحجم 7B. ومع DualSQL-8B، ترتفع الدقة إلى 71.1%، متفوقةً على النماذج السابقة التي تعتمد على نموذج أحادي بعدد 32B.

تعكّس هذه النتائج قوة تعلم التعزيز متعدد العملاء في بناء أنظمة تحويل النص إلى SQL عالية الأداء، مما يعد بآفاق جديدة تستحق الاستكشاف.

ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات!