论文解读

Zhao Tan · Xianglong Bao · Zhipeng Xi · 1+

自然语言时间序列数据库查询旨在让用户用日常语言从冗长历史数据中定位所需信息，其中形状查询关注序列如何变化，是该任务的主要挑战。现有符号化(symbolization)通过连接查询与长历史，使形状查询成为可能，但通常面向压缩、相似性索引或分类，其对自然语言查询应具备的能力尚未得到系统研究。研究考察六种经典符号化定义，归纳出三项局限：字符串缺失方向；方向测量尺度过小；字母含义任意。遵循据此形成的设计原则，对 SAX 进行最小化重构，得到 TT-SAX（双轨 SAX）。该方法保留层级字母，为每个分段增加趋势字母；趋势在相邻分段间测量，而非单一分段内部，并按查询形容词分级。NLQTSBench 上的大规模实验将 TT-SAX 与六种经典符号化在六个 LLM 上比较；TT-SAX 的形状查询表现优于全部基线，消融实验也逐一验证了性能增益与三项局限的对应关系。代码见指定 GitHub 仓库。

Kardelen Subasi · Jaros{\l}aw A. Chudziak

LLM 生成的记录正日益进入生产信息系统，并被视为与运营数据库记录同等的数据资产。同一记录可能同时满足并违反质量规则：有根据的事实旁可能是幻觉，有用的回答旁可能是刻板印象。由于同一文本片段上的两种判断彼此矛盾，经典数据清洗无法解决；单一 LLM 评判器也受制于导致冲突的训练偏差。提示工程、思维链和 RLHF 可降低表面错误率，却无法提供审计轨迹，也不能区分真正修复与全面抑制。研究确定性检查能否通过结构化多智能体记录发现仅靠指代检查无法识别的缺陷。BiasGuard-D 让来自不同模型家族的两种对抗角色交换类型化声明文档，由三模型多数票裁决，并通过指代与语义联合不变量验证结果。语义组件可发现指代检查遗漏的裁决；移除迭代循环后，不变量满足率显著下降。仅改变角色设定，协商层即可从刻板印象迁移至幻觉修复，在 HaluEval QA 上使正确答案恢复率提升 49 个百分点。为维持客观幻觉的召回率，分流门需要跨模型家族的第二审计者。所有声明、投票和指令均存为类型化记录，形成可在新兴 AI 法规下审计的来源轨迹。

Mobina Koochaknia · Maryam Ramezani · Mohammad Hasan Shafaat

基数估计对查询优化至关重要，但现有学习型估计器多局限于单一谓词类型。实际分析负载常混合字符串 LIKE 与数值过滤，且长模式字符串估计精度下降。MultiCard 提出统一架构，结合 Transformer 处理长程稀疏模式与 LSTM 处理短频模式，实现鲁棒模式建模。数值编码器整合目录直方图与结构特征，动态评估不同算子及数据倾斜下的直方图精度。最终 Transformer 层捕获异构谓词交互，由多层感知机预测基数。引入 UPCI 工作负载生成器，产生长度平衡的 LIKE 模式、多列数值谓词及精确基数标签。在五个真实数据集实验中，纯字符串负载下 MultiCard 的 Q-error 达到最优或接近最优；混合多属性查询中，相比 PostgreSQL 平均 Q-error 降低最多 16 倍，推理延迟低于 5 ms。

Anjali Vemula · Akshat Dasula

弥合非技术用户意图与机器逻辑间的差距是数据访问的关键挑战，但大语言模型（LLM）常出现模式幻觉、语法错误或意图偏差，这在保险等高精度领域尤为致命。该研究提出一种多智能体、角色驱动的 NL2SQL 框架，整合领域相关性检测、基于模式的知识构建、KPI 感知的 SQL 合成、利用 sqlite 执行反馈的语法自修复，以及通过 SQL 到自然语言逆向工程进行的语义一致性检查。在包含 50 条 HuggingFace 数据集查询和 10 条自定义领域查询的 60 条测试集上，系统使用 Mistral 模型，通过七次协调的 LLM 调用实现了 90% 的正确率。相比直接提示 LLM，该方法显著降低了查询幻觉并提升了语义保真度，证明了其在高风险环境中提升 NL2SQL 管道可靠性的潜力。

Paulo Pintor · Rog\'erio Costa · Jos\'e Moreira

运行时查询相似性识别支持负载分析、重复行为识别、审计、调试及异常检测。现有方法主要依赖 SQL 文本、执行计划或结果值，未考虑输入数据及执行过程中的结果推导。该研究提出一种基于数据溯源的查询模板识别新方法。通过聚合整个查询结果的元组级 Lineage 和 Why-provenance，构建捕获显式数据依赖、出现频率及结构属性的查询级画像。同时推导溯源结构描述符（PSD），利用少量数值特征总结这些画像。基于从参数化 TPC-DS 查询模板生成的 12,500 个不同查询实例进行评估。实验表明，仅凭溯源足迹即可识别查询模板，且随着历史数据增加，准确率提升。此外，PSD 在有限训练历史和低测试处理成本下实现了高分类准确率。

Ning Wang · Kuanyan Zhu · Daniel Yuehwoon Yee · 4+

检索增强生成（RAG）是知识密集型大语言模型任务的标准方法，但复杂推理因需组合分散证据而具挑战性。现有系统独立处理查询，导致重复检索和推理重建。AutoPrunedRetriever（APR）提出基于图的RAG系统，将语料库事实和查询推理编码到共享符号代码本中，作为检索索引和持久记忆，以紧凑边序列表示事实、问题和答案，实现结构直接复用。推理时，APR检索特定推理路径并构建紧凑提示，通过增量整合保持记忆紧凑。对于无法替换检索器的部署，引入AutoPruned Layer（APL），保持宿主检索不变，但用代码本条目替换检索上下文，将问答写回为紧凑结构。在五个复杂推理基准上，APR比最强基线准确率提升1.8-10.8分，输入令牌减少最多96%。APL在宿主系统中减少生成器输入60-96%，并保持文档风格上下文的答案质量。

Oktie Hassanzadeh · Dharmashankar Subramanian

语义查询引擎调用大语言模型（LLM）逐行判别，目前基准测试在温度 0 下仅基于少量执行结果比较引擎质量。本研究量化再次执行带来的变化量。分别在 SemBench、LRO-Bench、UDA-Bench 三个基准上通过各自框架重新执行文本与表格负载，记录全部 120 万次模型调用，并对 SemBench 已发布的执行结果重新分析。在温度 0 下，五次执行中因模型而异有 0.07% 至 10.2% 的行的算子输出发生改变，单个任务最高达 24.0%。查询计划（plan）按暴露行数指数级放大这些变化，与可能世界模型预测一致：UDA-Bench 上少量抽取值变化，但约三分之二的最终答案发生改变。SemBench 已发布结果中 21% 的文本结果在执行间发生质量变化，包括那些计划确定性的引擎。多个逐查询的系统对比以及 LRO-Bench 28 项实现建议测试中的 16 项，无法通过基准现有的执行次数得到确定结论。发生变化的行正是模型间相互不一致的行；同一执行内的相同请求与跨执行的请求不一致频率相当；单次执行的决策置信度或推理长度可预测哪些行会变化。多数投票降低了方差但未能消除，校准级联（cascade）在返回行发生变化的同时保持其保证。本文据此推导出基准报告规则与引擎设计规则。

Oktie Hassanzadeh · Dharmashankar Subramanian

语义查询引擎使用大语言模型评估自然语言过滤条件，每次评估都是一次代价高昂的预言机调用。降低这些调用次数的优化器面临两难：级联方案信赖廉价代理模型时在许多查询上达不到精度与召回率目标；具有有限样本保证的方法节省调用很少；所有方法在查询结束后都会丢弃预言机的标签。提出 SemViews，一种认证语义过滤器：先依据无需预言机调用的信号（先前查询留下的语义视图标签、本地嵌入与辅助模型打分）对元组排序，再利用无论如何都要付出的代价获取的标签精排顺序，最后用新的分层预言机抽样证明答案的正确性。该答案对任意工作负载与目录都以至少 1−δ 的概率同时满足用户精度与召回率目标，因此陈旧或误导性的视图至多增加预言机调用，却不会损害准确性。在四个重放 725,000 条已记录预言机标签的工作负载上，SemViews 在 99.63% 的查询上同时满足两个目标，节省 28%–45% 的预言机调用；而研究中唯一具有相同保证的先前方法需要 1.32x–1.71x 的调用次数。当同一问题以不同措辞重现时，视图进一步减少 27%–36% 的调用，且至少 99.8% 的此类查询同时满足双目标；相比之下，相似性缓存与基于蕴涵的复用方法仅在 17%–47% 的查询上达成目标。

Anita Graser · Melitta Dragschnig

该演示论文介绍了一种面向运动数据分析的新型无代码解决方案的核心理念与初步实现。该方案基于开源 Python 库 MovingPandas 与开源地理信息系统 QGIS 构建。所开发的 Trajectools 插件已开源,代码托管于 https://github.com/movingpandas/qgis-processing-trajectory。

Aparana Gupta · Anurup Dey · Suyash Dwivedi

合成数据生成对隐私合规、机器学习增强与软件测试至关重要。单表场景下的评估方法已较为成熟,但以企业级应用为主的多表(关系型)合成数据仍缺乏统一的评估框架。现有方法仅孤立地评估各列的边际分布,忽略了联合分布、跨表结构完整性、下游任务可用性,以及生产环境中的边界情况。本文提出 SynEval,一个面向多表合成数据库的六维度评估框架。SynEval 联合评估逐列保真度、多元结构保持(包括一种新颖的条件分布检验)、跨表完整性、机器学习效用、隐私保护以及边界用例的稳健性。该框架输出统一的加权质量分数,支持按表与按维度下钻;且与生成器无关,可在任意一对真实与合成 CSV 文件夹上运行,并自动推断表结构。SynEval 将条件分布检验 P(Y|X)、跨表基数校验以及生产就绪边界用例测试整合到同一关系型合成数据评估流水线中。