摘要
在使用工具的Agent中,动作决定后续观测结果。在Agentic Text-to-SQL场景中,宽泛查询可能在获取有用证据前耗尽上下文和数据库资源,且事后压缩无法恢复已省略的行或已消耗的工作。本文提出BAP-SQL,将观测形成视为预算控制阶段:它估计查询风险,在必要时重写SQL,并将硬性限制委托给独立的运行时保护器。实验表明,BAP-SQL在多种骨干模型上提升了严格预算下的成功率,并在主要BIRD衍生设置中比匹配的SFT提高了3.4/3.6个百分点,同时减少了4.5/5.0%的Token使用量。收益随模型能力和预算增加而减弱。
AI 推荐理由
论文核心提出BAP-SQL,将观察形成视为预算控制阶段,涉及查询风险评估、SQL重写及运行时保护,属于典型的Agent任务规划与资源调度机制。
研究机构
Microsoft
Carnegie Mellon University
Georgia Institute of Technology
论文信息