MAGIC: Generating Self-Correction Guideline for In-Context Text-to-SQL est un ensemble de données publié par Microsoft en 2024 pour générer des directives d'auto-correction dans les tâches de texte vers SQL. Les résultats de recherche associés sont présentés dans l'article « MAGIC: Generating Self-Correction Guideline for In-Context Text-to-SQL », qui vise à corriger les requêtes SQL erronées grâce à des interactions entre agents et à générer des règles de correction correspondantes.

Cet ensemble de données est construit sur la base de l'ensemble de données BIRD, qui contient 12 751 paires question-réponse-SQL extraites de 95 grandes bases de données, couvrant 37 domaines spécialisés tels que la blockchain et la médecine, et introduit des connaissances externes pour accroître la complexité de la génération de requêtes. L'ensemble de données enregistre principalement les trajectoires d'interaction des agents lors de la correction des requêtes SQL au cours du processus itératif, afin d'aider à étudier les mécanismes de correction d'erreurs dans les tâches de texte vers SQL.

Composition de l'ensemble de données

Chaque fichier de données de trajectoire contient les champs suivants :

• prompt : le prompt fourni à l'agent
• response : la réponse de l'agent au prompt
• caller_agent : identifie l'agent appelé à chaque itération, avec les valeurs possibles feedback_agent_call_, correction_agent_call_ et manager_revises_prompt_iteration_

Citation

@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}
}