用多个AI代理自动优化数据库视图，让复杂数据更易懂。
Towards Agentic Schema Refinement
- 用多个LLM代理协作迭代生成清晰的数据库视图
- 仅需少量输入即可自动提炼出可读性强的数据结构
- 适合需要快速理解复杂企业数据库的分析师
大型企业数据库往往结构复杂、语义模糊，不利于分析任务。本文提出在数据库与用户之间构建一个语义层，由一系列小型、易于理解的数据库视图组成，相当于对原始模式的精炼版本。为发现这些视图，我们引入多智能体大语言模型（LLM）模拟，让多个LLM代理协作，通过迭代方式在最小输入条件下定义并优化视图。该方法为基于LLM的复杂数据库探索提供了新路径。
原文摘要 · Abstract (English)
Large enterprise databases can be complex and messy, obscuring the data semantics needed for analytical tasks. We propose a semantic layer in-between the database and the user as a set of small and easy-to-interpret database views, effectively acting as a refined version of the schema. To discover these views, we introduce a multi-agent Large Language Model (LLM) simulation where LLM agents collaborate to iteratively define and refine views with minimal input. Our approach paves the way for LLM-powered exploration of unwieldy databases.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。