AGENTIQL은 복잡한 추론과 스키마 다양성에 어려움을 겪는 기존 아키텍처의 한계를 극복하기 위해 제안된 에이전트 기반의 다중 전문가 프레임워크입니다. 이 프레임워크는 질문 분해를 위한 추론 에이전트, 하위 쿼리 생성을 위한 코딩 에이전트, 열 선택을 위한 개선 단계를 결합합니다. 적응형 라우터는 모듈식 파이프라인과 기본 파서 사이에서 선택하여 효율성과 정확성을 균형 있게 유지합니다. 파이프라인의 여러 단계가 병렬로 실행될 수 있어 더 큰 워크로드에 맞게 확장 가능합니다. Spider 벤치마크에서 AGENTIQL은 실행 정확도와 해석 가능성을 향상시키며 Planner&Executor 병합 전략을 사용하여 140억 모델로 최대 86.07%의 EX를 달성했습니다. 라우팅 메커니즘의 효율성에 따라 성능이 좌우되며, 더 작은 오픈 소스 LLM을 사용하여 GPT-4 기반 SOTA(89.65% EX)와의 격차를 좁혔습니다. AGENTIQL은 중간 추론 단계를 노출하여 투명성을 향상시키며 의미론적 구문 분석에 대한 견고하고 확장 가능하며 해석 가능한 접근 방식을 제공합니다.
