English(EN) Does a Governed Confidence Score Know When a Text-to-SQL Answer Is Right? An Exploratory Study on BIRD and a Pre-registered Confirmation on Spider

文本到SQL置信度分数在Spider数据集上显示出更高的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

一篇新的研究论文探讨了文本到SQL系统中置信度分数的有效性，特别是评估了GPT-5.1在BIRD和Spider数据集上的表现。研究发现，设计的置信度分数在BIRD上的表现较弱，隐藏了许多正确的答案。然而，在冻结了样本一致性决定分数的规则，并应用确定性检查作为否决后，该系统在Spider上的表现显著提高，AUROC更高，隐藏的正确答案更少。研究表明，将一致性纳入分数的方法对于提高对话式分析的准确性和覆盖率至关重要。 AI

影响这项研究通过改进置信度分数的生成和利用方式，有望带来更可靠的对话式分析系统。

排序理由学术论文，详细介绍了对文本到SQL置信度分数的探索性研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了对文本到SQL置信度分数的探索性研究。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Raghu Venkat, Tricha Anjali · 2026-10-15 04:00

受控置信度分数能否判断 Text-to-SQL 答案是否正确？一项关于 BIRD 的探索性研究和 Spider 的预注册确认

arXiv:2610.17256v1 Announce Type: new Abstract: Conversational analytics lets people ask questions of records spread across many systems and get answers in plain language; it is useful only if each answer can be trusted and explained. A production system of this kind attaches a c…

本文如何被排名

报道来源 [1]

受控置信度分数能否判断 Text-to-SQL 答案是否正确？一项关于 BIRD 的探索性研究和 Spider 的预注册确认

相关实体

相关话题