MAGIC: Generating Self-Correction Guideline for In-Context Text-to-SQL ist ein von Microsoft im Jahr 2024 veröffentlichtes Datenset für die Generierung von Selbstkorrektur-Richtlinien in Text-zu-SQL-Aufgaben. Die zugehörige Forschungspublikation ist „MAGIC: Generating Self-Correction Guideline for In-Context Text-to-SQL", die darauf abzielt, fehlerhafte SQL-Abfragen durch Agenteninteraktion zu korrigieren und entsprechende Korrektur-Anleitungsregeln zu generieren.

Das Datenset basiert auf dem BIRD-Datenset, das 12.751 Frage-Antwort-SQL-Paare aus 95 großen Datenbanken enthält, die 37 Fachbereiche wie Blockchain und Medizin abdecken und externes Wissen einbeziehen, um die Komplexität der Abfragegenerierung zu erhöhen. Das Datenset dokumentiert hauptsächlich die Interaktionsverläufe, in denen Agenten SQL-Abfragen während iterativer Prozesse korrigieren, und hilft bei der Erforschung von Fehlerkorrekturmechanismen in Text-zu-SQL-Aufgaben.

Zusammensetzung des Datensets

Jede Trajektorien-Datendatei enthält die folgenden Felder:

• prompt: Der an den Agenten übergebene Prompt
• response: Die Antwort des Agenten auf den Prompt
• caller_agent: Identifiziert den in jeder Iteration aufgerufenen Agenten, mit Werten wie feedback_agent_call_, correction_agent_call_ und manager_revises_prompt_iteration_

Zitation

@article{askari2024magic,
  title={MAGIC: Generating Self-Correction Guideline for In-Context Text-to-SQL},
  author={Askari, Arian and Poelitz, Christian and Tang, Xinye},
  journal={arXiv preprint arXiv:2406.12692},
  year={2024}
}