Yapay zeka teknolojilerinin gelişmesiyle birlikte, büyük dil modelleri artık doğal dilde sorulan soruları SQL veritabanı sorgularına çevirebiliyor. Bu teknoloji, kullanıcıların karmaşık veritabanlarından programlama bilgisi olmadan bilgi çekmesine olanak tanıyor. Ancak gerçek dünya uygulamalarında, özellikle karmaşık veya daha önce görülmemiş veri yapılarında tutarlılık sorunları yaşanıyor.
Araştırmacılar bu sorunu çözmek için Template Constrained Decoding (TeCoD) adlı yenilikçi bir sistem geliştirdi. TeCoD, iş yüklerindeki sorgu kalıplarının tekrarlanma eğiliminden yararlanıyor. Sistem, geçmişteki doğal dil-SQL çiftlerini yeniden kullanılabilir şablonlara dönüştürüyor ve gelen sorguları bu şablonlarla eşleştiriyor.
Sistemin kalbi, doğal dil çıkarımı modeli kullanarak sorguları uygun şablonlarla eşleştiren güçlü bir seçim modülü. Şablon seçildikten sonra TeCoD, SQL üretimi sırasında dilbilgisi kısıtlamalı kod çözme tekniği uyguluyarak hem sözdizimsel geçerliliği hem de verimliliği garanti ediyor.
Test sonuçları, TeCoD sisteminin geleneksel yöntemlere göre %36'ya kadar daha yüksek başarı oranı gösterdiğini ortaya koyuyor. Bu gelişme, yapay zekanın veritabanı sorgulama alanında daha güvenilir hale gelmesi açısından önemli bir adım teşkil ediyor.