Η χρήση φυσικής γλώσσας για την ανάλυση δεδομένων σε επιχειρηματικές αποθήκες δεδομένων (enterprise data warehouses) αποτελεί μια αυξανόμενη ανάγκη, ωστόσο η παραγωγική της εφαρμογή περιορίζεται από σημαντικά εμπόδια. Οι ψευδαισθήσεις στις μετρήσεις, οι άκυρες συνδέσεις (joins), η εσφαλμένη ανάλυση επιπέδου (grain) και η μη ασφαλής πρόσβαση σε δεδομένα παραμένουν κρίσιμα προβλήματα για τα υπάρχοντα συστήματα text-to-SQL.
Το Πλαίσιο GROUND
Η έρευνα προτείνει το GROUND (Governed Retrieval Over Unified Normalized Definitions), ένα σύστημα που περιορίζει την παραγωγή αναλύσεων από Μεγάλα Γλωσσικά Μοντέλα (LLMs) εντός ενός ελεγχόμενου σημασιολογικού επιπέδου. Το GROUND παρέχει εγκεκριμένους ορισμούς, συνδέει την πρόθεση του χρήστη με συγκεκριμένες μετρήσεις και διαστάσεις, ενώ επικυρώνει την παραγόμενη SQL βάσει κανόνων σχήματος, κόστους και ασφάλειας πριν από την εκτέλεσή της. Σε περίπτωση παραβίασης, το σύστημα είτε επαναλαμβάνει την προσπάθεια είτε απέχει από την εκτέλεση.
Αποτελέσματα και Ασφάλεια Δεδομένων
Σε δοκιμές που πραγματοποιήθηκαν με συνθετικά δεδομένα αλλά και με πραγματικά στοιχεία οδικής ασφάλειας των ΗΠΑ (NHTSA), το GROUND ήταν το μοναδικό σύστημα που δεν παρουσίασε μετρήσιμες ψευδαισθήσεις σε έξι κατηγορίες αξιολόγησης. Αντιθέτως, τα συστήματα χωρίς κανονιστικό έλεγχο παραβίασαν επανειλημμένα την ασφάλεια σε επίπεδο σειράς (row-level security), διαρρέοντας δεδομένα παρά την ύπαρξη ακριβών ορισμών μετρήσεων. Παρά την επιτυχία του στην τήρηση των εγγυήσεων ασφαλείας, το σύστημα παραμένει επιρρεπές σε σφάλματα όταν καλείται να αρνηθεί τη χρήση μη ορισμένων μετρήσεων, μια συμπεριφορά που εξαρτάται από την κρίση του μοντέλου.
