《AutoTQA: Towards Autonomous Tabular Question Answering through Multi-Agent Large Language Models》
p3920-zhu.pdf (1.7 MB)
在数据分析日益重要的今天，表格问答（TQA）技术正逐渐成为研究的热点。然而，现有的 TQA 方法主要处理单表问题，而现实世界中的 TQA 问题通常涉及多个表格，这带来了扩展性的挑战。为了解决这一问题，我们提出了 AutoTQA，一个自主的多表格问答框架，它利用多智能体大型语言模型（LLMs）来处理来自不同系统（如 TiDB, BigQuery）的多个表格。AutoTQA 由五个智能体组成：用户智能体接收自然语言查询，规划智能体创建执行计划，工程师智能体执行计划，执行智能体提供执行环境，批判智能体评估结果。此外，我们开发了 LinguFlow，一个开源、低代码的可视化编程工具，用于快速构建和调试基于 LLM 的应用程序。AutoTQA 在四个代表性数据集上展现出色性能，标志着向自主表格问答迈出了重要一步。
《OSSInsight: Scalable GitHub Analysis》
p4321-ghazal.pdf (1.0 MB)
OSSInsight 是由 PingCAP 开发的开源工具，旨在提供对 GitHub 数据的深入洞见。该工具利用可扩展的 HTAP 数据库（TiDB）处理实时和历史的 GitHub 数据。OSSInsight 的主要功能包括一个数据浏览器，允许用户使用自然语言查询 GitHub 数据并将其翻译成 SQL；一个仓库和用户指标服务，生成关键指标的可视化；以及允许用户查看、编辑和执行针对 GitHub 数据的自定义 SQL 查询。在浏览器上将自然语言数据查询转换为 SQL，并使用强化学习来验证结果。OSSInsight 提供了比现有 GitHub 分析工具更多的功能，这些工具通常缺乏实时数据、可视化选项或自定义 SQL 支持。
《StarBench: A Fresh Approach On Star Schema Benchmarking》
StarBench_A Fresh Approach On Star SchemaBenchmarking.pdf (833.8 KB)
StarBench 是一种新型的星型模式基准测试，它结合了星型模式数据模型的优势和 TPC-H 基准测试的全面工作负载。StarBench 解决了现有星型模式基准测试（SSB）中存在的数据缺失问题，利用了 TPC-H 的实用工具和工作负载，包括所有 22 个查询和刷新功能，为 TPC-H 提供了一个真正的扩展，并为数据库提供了一种新的方式来处理相同的数据。该基准测试可以用于比较数据仓库中广泛使用的星型模式，评估它们在一系列分析查询中的性能。StarBench 为评估如 TiDB 等数据库系统在星型模式下的性能提供了一个全面和标准化的基准测试框架。
往期资料：